文档建议反馈控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

斯坦福CS231n Spring 2017详细课程大纲（附完整版课件下载）

Lecture 1：计算机视觉的概述、历史背景以及课程计划 Lecture 2：图像分类——包括数据驱动（Data-driven）方法，K 近邻方法（KNN）和线性分类（Linear classification...继续上一讲的内容介绍了线性分类方法； 2. 介绍了高阶表征及图像的特点； 3. 优化及随机梯度下降（SGD）。...卷积神经网络的历史背景及发展； 2. 卷积与池化（convolution and pooling）; 3. ConvNets 的效果。...Lecture 12：可视化和理解（Visualizing and Understanding） 该部分不仅讲述了特征可视化和转置，同时还描述了对抗性样本和像 DeepDream 那样的风格迁移系统。...最后对 Q 学习和策略梯度进行了详细的刻画，包括架构、优化策略和训练方案等等。

1.3K50
您找到你想要的搜索结果了吗？
是的
没有找到

组会系列 | 自动梯度下降：没有超参数的深度学习

本文提出了一种新的框架，用于推导优化算法，该算法明确利用神经网络结构。通过将Bregman散度转换为考虑神经网络结构的非线性形式，该框架允许训练深度全连接神经网络而无需进行超参数调整。...通过将Bregman散度转换为考虑神经网络结构的非线性形式，该框架允许训练深度全连接神经网络而无需进行超参数调整。 2....此外，如何将这些算法应用于线性模型和深度神经网络，并且给出了实验结果表明这些算法可以在不同的数据集和模型上取得良好的结果。...此外，作者介绍了自动梯度下降算法如何将出现在文献中的各种启发式和理论思想统一起来： 相对更新（Relative updates）其更新量相对于权重矩阵的范数进行缩放。...此外，作者还提出了一些改进AGD算法的方法，例如自适应梯度裁剪和相对更新等技术。总之，AGD算法是一种有效的优化算法，在深度学习中具有广泛的应用前景。

72120

基于多目标视频图像边缘特征的核相关滤波跟踪算法

1.2 图像特征提取 1.2.1 图像边缘特征提取 为提升视频图像内多目标在复杂背景下的跟踪精度,利用动态边缘演化技术提取视频图像的多目标边缘特征。...为能量泛函,E 为提取的光强信息特征,C§为图像直方图曲线,c 1与c2分别为图像I(x,y)中由内轮廓Ω in及外轮廓Ωout确定的目标内部及背景区域均值, ∮ C ds为图像边缘曲线的长度,α、β...1.2.2 图像颜色特征的提取 将视频图像梯度角度直方图与颜色信息相结合,获得梯度角度-色度饱和度直方图的颜色特征,并将提取的特征应用于核相关滤波跟踪算法中。...,利用OpenCV 工具获取视频图像色度饱和度直方图以及梯度角度直方图,即图像的梯度角度-色度饱和度直方图,该直方图可以有效表征图像的颜色特征。...综上所述,相比其他算法,本算法具有更优的跟踪成功率、跟踪精确度、跟踪重叠率、平均跟踪速度,原因是本算法将视频图像目标运动轨迹的3帧图像时间作为线性段,利用线性判断方法捕获目标,利用动态边缘演化技术准确提取捕获目标的边缘特征

76320

【Web技术】623- 简单好用的前端深色模式主题化开发方案

在大型网站的开发中通常会用sass/less来预定义一些颜色变量来进行色彩管理。 在使用sass和less的时候可以改变原来的传递色值方式改为传递css自定义属性和默认值。...规则里的带有var(--变量名, 变量值)在该行的上一行插入了一行替换为直接变量值的值，兼容不支持css var的浏览器。...style里带有var自定义属性的值，替换为原值并插入。...本身sass/less的变量和css自定义属性就不是一套变量系统，sass/less的是一种编译型变量（编译时确定值，编译后不存在），而css是一个运行时变量（即运行时确定值）。...用sass/less去管理css变量时为了管理css变量防止定义失误，但使用了Sass或Less之后替换成var之后会发现，sass和less是一些比如lighten、fadeout、rgba等等的函数都无法使用了

2K10

DarkMode(5)：深色模式不同实现方案切换

sass自定义函数转 sass预处理 在《DarkMode(2)：深色模式解决方案——css颜色变量实现Dark Mode》与《DarkMode(3)：深色模式解决方案——颜色反转与函数 》，如果使用...*)}/; 替换为$1即可 第二个函数正则表达:themed\(\"([\w\-]*)\"\)\; const reg = /themed\(\"([\w\-]*)\"\)\;/ 替换为\$$1 sass...变量主题输出切换为css变量主题输出 如果单纯sass变量输出两套主题，切换主题样式，需要刷新页面。...如果是css变量，就无需刷新变量 目的无非就是想要输出： :root {   --primary-color: #{$primary-color}; } 如果之前直接是声明的，也没有啥好说的 $accent-color...变量文件，这个正在研究，等时间空点，再续 这个用sass或者less函数可以直接处理 如果是map 形势的赋值，直接操作 转载本站文章《DarkMode(5)：深色模式不同实现方案切换》, 请注明出处

86710

npm script命令同时开启多个监听服务concurrently

最近在搭建一个静态页面偏多的网站, 用vue或React有点大材小用,使用纯html / css / js 又不好用, 于是就用npm手动搭建一个简单的本地开发环境, 本地环境要实现几个基本功能 在本地开启...http服务; 且开启服务后, 会自动打开浏览器 浏览器自动刷新; 源码变化后, 浏览器会自动刷新显示内容 支持sass语法; 将sass代码实时转换为css 支持es6语法; 使用babel将es6...转换为es5 开启http服务, 自动开启浏览器, 实现浏览器自动刷新的实现思路是,在项目内用npm安装live-server 支持sass语法的实现思路是, 用npm安装node-sass 支持es6...css mobile/static/scss:mobile/static/css --sourcemap=none&&live-server --port=1208&&babel pc/static/es6...} 运行之后发现了新的问题, 那就是通过&&连接起来的命令,会按照顺序执行, 一旦有类似sass pc/static/scss:pc/static/css --watch 这种"阻塞"的命令, 后面的命令将会无法执行

1.6K20

从图像到知识：深度神经网络实现图像理解的原理解析

只要有足够多的转换层次，即使非常复杂的模式也可以被自动学习。对于图像分类的任务，神经网络将会自动剔除不相关的特征，例如背景颜色，物体的位置等，但是会自动放大有用的特征，例如形状。...一个具有多个非线性层的神经网络通常具有5〜20的深度，它将可以选择性地针对某些微小的细节非常敏感，同时针对某些细节并不敏感，例如为背景。...目标函数相对于每个模块的梯度具有一定的独立性，这是链式法则的关键，目标函数相对于一个模块的输入的梯度可以在计算出目标函数相对于这个模块输出的梯度之后被计算，反向传播规则可以反复施加通过所有模块传播梯度，...5 图片描述的自动生成 如图7所示，深度学习领域的一个匪夷所思的Demo结合了卷积网络和递归网络实现图片标题的自动生成。首先通过卷积神经网络（CNN）理解原始图像，并把它转换为语义的分布式表示。...深度学习和强化学习系统的结合目前还处于起步阶段，但他们已经在分类任务上超越了被动视觉系统，并在学习视频游戏领域中取得了不俗的成绩。 转自： 博客园-xinchrome

1.5K90

【人工智能】技术总结

）到分类边界间隔最大化 分类边界的要求：正确性、公平性、安全性、简单性 线性可分、线性不可分 核函数：将线性不可分问题转换为高纬度空间下的线性可分 线性核函数 多项式核函数 高斯核函数 4）朴素贝叶斯...激活函数 1）作用：将神经网络输出由线性转换为非线性 2）常用激活函数 sigmoid：平滑、连续；缺点是梯度消失 tanh：平滑、连续；缺点是梯度消失；根sigmoid相比收敛速度跟快 relu：计算简单...，避免了梯度过大、过小的问题 softmax：用于神经网络输出层，将神经网络输出层的数值转换为一组概率 3....灰度化：彩色图像转灰度图像，平均值法、最大值法、加权平均值等 二值化：将灰度图像转换为只包含0/255两个值 色彩通道操作 灰度直方图、直方图均衡化处理 6）形态变换 仿射变换：简单线性变换，主要包括旋转...、平移、镜像 透视变换 缩放：插值法（最邻近插值、双线性插值） 裁减 形态学梯度：腐蚀、膨胀、开运算、闭运算 7）梯度相关 模板运输：包括模板卷积、模板排序。

78520

三个优秀的语义分割框架 PyTorch实现

因此，输出的类别预测与输入图像在像素级别上具有一一对应关系：给定空间维上的位置，通道维的输出即该位置对应像素的类别预测。...，然后通过 卷积层将通道数变换为类别个数，最后再通过转置卷积层将特征图的高和宽变换为输入图像的尺寸。...双线性插值（bilinear interpolation） 是常用的上采样方法之一，它也经常用于初始化转置卷积层。 为了解释双线性插值，假设给定输入图像，我们想要计算上采样输出图像上的每个像素。...5 总结 通过与分割标准图像的对比，可以发现该模型的输出分割图像与分割标准图像几乎一致，同时模型的输出分割图像与原图也较好的融合，说明该模型具有较好的准确性。...由于是针对PASCAL VOC数据集图像进行的分割，PASCAL VOC数据集中只支持20个类别（背景为第21个类别），所以在分割时，遇到不在20个类别中的事物都将其标为背景。

2.9K20

SassSCSS 简明入门教程

Sass / SCSS简介 ❝Sass 是 CSS3 的扩展，添加了嵌套规则、变量、mixins、选择器继承等。可以用命令行工具或网络框架插件将其转换为格式良好的标准 CSS。...❞ Sass（Syntactically Awesome StyleSheets） 是 CSS 的一种扩展，是 CSS的 超集（通过编译生成浏览器可以处理传统 CSS）。...Sass 的语法分为新的 SCSS（Sassy CSS，Sass 3，文件名称 *.scss）和旧的 SASS（ Haml 风格，由于不用大括号格式，使用了缩紧，不能直接用 CSS 语法，学习曲线较高等特性...SASS 初体验 在开始介绍 SASS 特性之前先来学习如何将 Sass 转译成 CSS。...除了 Sass 外上还有很多 CSS 的变形，包括语法比较容易学的 [LESS](http:/ /lesscss.org/#)、具有组件化思想的 CSS in JS，主要解决全局问题和模块引用的 CSS

2.6K20

【他山之石】三个优秀的PyTorch实现语义分割框架

因此，输出的类别预测与输入图像在像素级别上具有一一对应关系：给定空间维上的位置，通道维的输出即该位置对应像素的类别预测。...，然后通过1x1卷积层将通道数变换为类别个数，最后再通过转置卷积层将特征图的高和宽变换为输入图像的尺寸。...双线性插值（bilinear interpolation） 是常用的上采样方法之一，它也经常用于初始化转置卷积层。 为了解释双线性插值，假设给定输入图像，我们想要计算上采样输出图像上的每个像素。...总结 通过与分割标准图像的对比，可以发现该模型的输出分割图像与分割标准图像几乎一致，同时模型的输出分割图像与原图也较好的融合，说明该模型具有较好的准确性。...由于是针对PASCAL VOC数据集图像进行的分割，PASCAL VOC数据集中只支持20个类别（背景为第21个类别），所以在分割时，遇到不在20个类别中的事物都将其标为背景。

66230

数据降维：特征值分解和奇异值分解的实战分析

01 — 回顾 这几天推送了关于机器学习数据预处理之降维算法，介绍了通过降维提取数据的主成分的背景，特征值分解法，奇异值分解法的相关原理。...不管是特征值分解法，还是奇异值分解法，需要理解以下基本知识点： 向量在某个正交基空间上的投影，等于点乘这个主轴； 通过一次正交变换，可以实现一次向量的旋转； 正交方阵能使一个正交基变换为另一个正交基 已经分析了如何利用特征值分解完成数据的降维和提取主成分..., 1. ]])) 03 — SVD降维实例 对于SVD的奇异值也是按照从大到小排列，而且奇异值梯度很大。...另外，PCA的特征值分解和奇异值分解在图像处理，压缩方面也有很广的应用，可以将图像的数据做奇异值分解，然后降维处理，例如下面的图片，经过奇异值分解法获得的主成分提取后压缩后的图像，可以看到基本保留了原来的图像主要信息...） 6 最小二乘法原理（后）：梯度下降求权重参数 7 机器学习之线性回归：算法兑现为python代码 8 机器学习之线性回归：OLS 无偏估计及相关性python分析 9 机器学习线性回归：谈谈多重共线性问题及相关算法

1.5K40

Color exploitation in HOG-based traffic sign detection

摘要 我们在一个具有挑战性的大规模真实全景图像数据集上研究交通标志检测。...与此相反，我们的算法通过一种新的迭代学习过程来建模背景。由于我们的算法具有通用性，它可以重复用于交通标志以外的其他目标。 在本文中，我们比较了最先进的特定算法和我们的通用基于hog的算法。...在预处理步骤中，将图像输入像素转换为HOG特征，并通过在图像上滑动检测窗口来执行目标检测。为了获得尺度不变的检测，对输入图像的缩小版本重复预处理和检测过程。...将像素的梯度幅度添加到相应的方向库中。输入像素在n × n像素的单元中进行空间量化，其中n为单元大小。每个细胞包含一个方向直方图。为了避免量化效应，在方向和两个空间维度上都应用了线性插值。...此外，我们采用迭代技术进行支持向量机训练，这在此背景下是新颖的，以处理背景外观的巨大变化。这大大降低了内存消耗，因此允许在训练过程中使用更多的背景图像。

6510
点击加载更多

扫码

添加站长 进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

更多标签

活动推荐

    运营活动

    活动名称
    广告关闭

    腾讯云开发者

    扫码关注腾讯云开发者

    扫码关注腾讯云开发者

    领取腾讯云代金券

    热门产品

    热门推荐

    更多推荐

    Copyright © 2013 - 2024 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

    深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 深公网安备号 44030502008569

    腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287

    领券