腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

深度学习思考者

专栏作者

89

文章

136226

阅读量

42

订阅数

ImageNet Classification with Deep Convolutional Neural Networks笔记(摘要版)

神经网络机器学习深度学习人工智能

Contents 1.全部架构 2.降低过拟合 3.学习细节 4.结果 5.讨论

深度学习思考者

2019-05-27

4310

Python应用（一）识别网站验证码以及识别算法

编程算法图像处理机器学习神经网络

验证码识别涉及很多方面的内容。入手难度大,但是入手后,可拓展性又非常广泛,可玩性极强,成就感也很足。

深度学习思考者

2019-05-26

9520

深度学习模型压缩与加速算法之SqueezeNet和ShuffleNet

卷积神经网络文件存储机器学习神经网络深度学习

自从AlexNet一举夺得ILSVRC 2012 ImageNet图像分类竞赛的冠军后，卷积神经网络（CNN）的热潮便席卷了整个计算机视觉领域。CNN模型火速替代了传统人工设计（hand-crafted）特征和分类器，不仅提供了一种端到端的处理方法，还大幅度地刷新了各个图像竞赛任务的精度，更甚者超越了人眼的精度（LFW人脸识别任务）。CNN模型在不断逼近计算机视觉任务的精度极限的同时，其深度和尺寸也在成倍增长。

深度学习思考者

2019-05-26

9350

CNN卷积神经网络的改进（15年最新paper）

机器学习神经网络深度学习人工智能 javascript

回归正题，今天要跟大家分享的是一些 Convolutional Neural Networks（CNN）的工作。大家都知道，CNN 最早提出时，是以一定的人眼生理结构为基础，然后逐渐定下来了一些经典的架构——convolutional 和 pooling 的交替，最后再加上几个 fully-connected layers 用作最后做 prediction 等的输出。然而，如果我们能“反思”经典，深入剖析这些经典架构中的不同 component 的作用，甚至去改进它们，有时候可能有更多的发现。所以，今天分享的内容，便是改进 CNN 的一些工作。

深度学习思考者

2019-05-26

2.4K0

卷积神经网络改进想法初探（上篇）

机器学习人工智能编程算法深度学习数据分析

最近一直在看卷积神经网络，想改进改进弄出点新东西来，看了好多论文，写了一篇综述，对深度学习中卷积神经网络有了一些新认识，和大家分享下。

深度学习思考者

2019-05-26

2.3K0

文献 | 2010-2016年被引用次数最多的深度学习论文（修订版）

机器学习深度学习大数据图像识别

一、书籍 Deep learning (2015) 作者：Bengio 下载地址：http://www.deeplearningbook.org/ 二、理论 1.在神经网络中提取知识 Distilling the knowledge in a neural network 作者：G. Hinton et al. 2.深度神经网络很易受骗：高信度预测无法识别的图片 Deep neural networks are easily fooled: High confidence predictions for u

深度学习思考者

2018-01-15

8290

深入浅出——搞懂卷积神经网络的过拟合、梯度弥散、batchsize的影响的问题（二）

深度学习机器学习神经网络

本文主要探讨了深度学习中的正则化方法、数据集扩增以及深度学习模型的优化技巧等方面的内容。通过介绍Batch_Size、L1和L2正则化、数据集扩增以及Dropout等技术，旨在帮助读者深入了解深度学习中的正则化技巧，提高模型的泛化能力。

深度学习思考者

2018-01-03

1.6K0

深入浅出——搞懂卷积神经网络误差分析（一）

机器学习人工智能神经网络深度学习大数据

本文主要阐述了卷积神经网络中误差反向传播算法的具体实现细节，包括每一层的误差计算、权值更新以及误差敏感项的计算等。同时，本文还介绍了在池化层和卷积层相接的情况下，如何计算该层的误差敏感项。通过本文的介绍，读者可以更加深入地理解卷积神经网络中误差反向传播算法的工作原理，并能够更好地使用卷积神经网络进行深度学习任务。

深度学习思考者

2018-01-03

1.5K0

机器学习十大算法系列（一）——逻辑回归

本文介绍了机器学习中的逻辑回归算法，包括线性回归、逻辑回归、决策树、支持向量机、朴素贝叶斯、K邻近算法、K-均值算法、随机森林、降低维度算法、梯度提升和Adaboost算法。逻辑回归是一种分类算法，通过拟合逻辑函数来预测事件发生的概率。梯度上升法是逻辑回归中的优化方法。

深度学习思考者

2018-01-03

8600

机器学习中常见问题_几种梯度下降法

机器学习人工智能数据处理

本文介绍了梯度下降算法的原理、优缺点以及应用。梯度下降算法是一种用于优化目标函数的迭代方法，通过计算目标函数的梯度来更新参数。该算法有批量梯度下降、随机梯度下降和小批量梯度下降三种形式。优点是计算简单、易于实现；缺点是可能会陷入局部最优解。在机器学习和深度学习领域，梯度下降算法被广泛应用于训练模型。

深度学习思考者

2018-01-03

1.4K0

DL开源框架Caffe | 模型微调（finetune）的场景、问题、技巧以及解决方案

深度学习思考者

2018-01-03

1.6K0

深度学习目标检测算法——Faster-Rcnn

深度学习机器学习

本文介绍了Faster R-CNN目标检测算法及其在COCO数据集上的实验结果。文章首先介绍了Faster R-CNN的背景知识，包括其检测速度、精度等方面的优势。然后详细介绍了Faster R-CNN的网络结构，包括Region Proposal Network（RPN）、Convolutional Layer等关键组件。接着，文章分析了RPN的两种训练方式：联合训练和交替训练。最后，文章给出了Faster R-CNN在COCO数据集上的实验结果，并与Selective Search方法进行了对比，结果表明，Faster R-CNN在物体检测任务上具有显著的优势。"，"query": "介绍了哪些内容

深度学习思考者

2018-01-02

1.1K0

深度学习的应用——快速变脸的实现

神经网络机器学习图像处理深度学习

本文介绍了一种基于卷积神经网络的快速变脸方法，该方法可以快速地将一张人脸图像转换为另一张人脸图像，并保持其光照、姿势和表情等属性。该方法包括人脸对齐、风格迁移和变脸生成等步骤，并使用一个包含68个面部关键点的三维面部表示。实验结果表明，该方法可以生成高质量的变脸图像，甚至在测试集上获得了更好的结果。

深度学习思考者

2018-01-02

1.5K0

深度学习的应用——检测糖尿病型视网膜症

人工智能机器学习深度学习神经网络

该文摘要总结如下：本文介绍了一种用于检测糖尿病性视网膜病变的深度学习算法。该算法使用视网膜眼底照片作为输入，并利用深度学习技术自动检测出患有糖尿病性视网膜病变的患者。该算法具有高灵敏度和特异性，可以替代传统的人工检查方法，有助于提高糖尿病性视网膜病变的检测效率和准确性。

深度学习思考者

2018-01-02

1.5K0

图像处理之灰度模糊图像与彩色清晰图像的变换

深度学习机器学习数据处理图像处理

本文介绍了一种基于神经网络的图像着色方法，该方法利用全局和局部特征进行图像着色。该方法通过一个端到端的神经网络来学习图像的局部和全局特征，并将其用于图像着色。该方法在多个数据集上进行了实验，并与其他方法进行了比较。实验结果表明，该方法能够有效地利用全局和局部特征进行图像着色，比传统方法具有更好的性能。"

深度学习思考者

2018-01-02

2.5K0

DL开源框架Caffe | 目标检测Faster-rcnn问题全解析

python 机器学习神经网络深度学习人工智能

本文介绍了如何使用深度学习检测物体，并提供了相关代码和教程。主要包括以下内容：1.基于Faster R-CNN的物体检测；2.使用PyTorch实现Faster R-CNN；3.训练自己的数据集进行物体检测；4.如何优化物体检测的精度；5.使用多GPU进行训练。

深度学习思考者

2018-01-02

1.2K0

图像分割 | FCN数据集制作的全流程（图像标注）

深度学习机器学习图像处理

本文介绍如何使用 PyTorch 实现 FCN 对 PASCAL VOC 数据集进行分类。首先，使用 Docker 安装 PyTorch 和 torchvision，然后使用 torchvision.datasets.VOCSegmentation 载入 PASCAL VOC 数据集。接着，使用 torchvision.models.detection.faster_rcnn.FasterRCNN 将数据集进行分类，并输出预测结果。最后，使用自定义的 colorization 函数将预测结果着色，并保存为图像文件。

深度学习思考者

2018-01-02

4.7K0

机器学习特征提取 | 自动特征工程featuretools

机器学习自动化

本文介绍了Featuretools的基本概念、安装、快速入门以及五分钟快速开始。通过本文，读者可以快速掌握Featuretools，了解其基本概念和使用方式，从而在数据分析和机器学习项目中更高效地使用Featuretools。

深度学习思考者

2018-01-02

1.7K0

Linear Regression/线性回归与正则化（Andrew Ng 机器学习一）

线性回归机器学习

本文介绍了线性回归及其在机器学习中的应用，通过具体编程实例和算法步骤讲解了线性回归的原理和实现方法，包括特征标准化、正则化、梯度下降和正规方程等关键概念。

深度学习思考者

2018-01-02

1K0

重磅！从单层感知器到深度学习以及深度学习必知的框架

机器学习人工智能深度学习

一单层神经网络（感知器） 1.结构下面来说明感知器模型。在原来MP模型的“输入”位置添加神经元节点，标志其为“输入单元”。其余不变，于是我们就有了下图：从本图开始，我们将权

深度学习思考者

2018-01-02

1.4K0

点击加载更多

社区活动

RAG七天入门训练营

鹅厂大牛手把手带你上手实战

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态