计算机视觉-检测和分割
计算机视觉-检测和分割在第一章我们了解过常见的CV任务，主要有：图像分类、语义分割、分类+定位、目标检测、实例分割
图像分类CV最常见的就是图像分类了，比如说利用AlexNet对图像进行分类，最后输出对图像的预测分数
在图像分类的基础上，延伸出来几个其他作用，下面一一介绍
语义分割语义分割就是对
...
计算机视觉-图像分类
Posted on
Words count in article:
1.8k
|
Reading time ≈
6
计算机视觉-图像分类在上一节课我们主要讲了计算机视觉的最主要的几个任务：图像分类、定位+分割、目标检测、语义分割、实例分割。现在我们来着重看计算机视觉中最基础的任务——图像分类。有了图像分类，我们才可以做定位+分割、目标检测等更高阶的任务。
图像分类任务图像分类任务，顾名思义，就是对于一张输入的图片
...
计算机视觉-损失函数和优化
Posted on
Words count in article:
4.5k
|
Reading time ≈
19
损失函数和优化损失函数对于线性分类器，常常需要定义一个衡量输出分数好坏的函数——损失函数。然后，我们可以通过这个损失函数，去反推参数，最终让损失函数达到最小值，这就是优化的过程。
我们来举一个例子：
我们令训练集为 ${(xi,y_i )}{i=1}^N$ , $x_i$ 为第i个图片，$y_i\i
...
注意力机制
Posted on
Words count in article:
2.7k
|
Reading time ≈
9
注意力机制RNNs+attention在写 循环神经网络 这篇博客的时候，我曾简单讲过注意力机制的原理及其作用。现在我们来详细学习一下注意力机制。
首先，我们要知道注意力机制在RNN中的作用有哪些？
计算机视觉中的应用： 图片描述
自然语言处理中的应用：机器翻译
不使用注意力机制-图像识别
我们
...
生成模型
Posted on
Words count in article:
4.7k
|
Reading time ≈
18
生成模型到现在为止，我们学习的所有模型都是有监督学习。
给定数据x和标签y，学习$x\rightarrow y$ 的映射，并以此预测新的数据的标签
应用场景如：图像分类，图像描述，目标检测，语义/实例分割，图像复原，风格转换等等。
那么，什么是无监督学习及其应用呢？
对于海量数据来讲，是没有标
...
循环神经网络
Posted on
Words count in article:
4.6k
|
Reading time ≈
17
循环神经网络循环神经网络和卷积神经网络处理的数据类型是不一样的。卷积神经网络可是用来处理矩阵类型的数据，而生活中有很多数据是序列型的，且没有固定的长度、大小。因此CNN并不是非常适合用来处理这些数据。
因此我们提出了 RNN (Recurrent Neural Networks)，其想法就是，采用重
...
计算机视觉-卷积神经网络
Posted on
Words count in article:
4.1k
|
Reading time ≈
16
计算机视觉-卷积神经网络在卷积神经网路理论中，我们简单介绍了一下卷积神经网络的原理，现在我们来系统学习神经网络的相关知识。
正向传播在 神经网络和反向传播 中，我们学习了全连接层，那么，全连接层有什么缺陷呢？
第一层假设是 $x\in \mathbb R^{100\times100\times 3}
...
Django学习2
Posted on
Words count in article:
22.3k
|
Reading time ≈
93
Django学习2Setup我们为了保留第一部分代码，因此新开一个文件夹，叫storefront2, 并在里面创建虚拟环境。
创建好以后，VSCode可能不会把该虚拟环境当做默认虚拟环境，因此我们需要设置一下：
command+p 并在搜索栏敲> 呼出命令面板. 选择 python: sele
...
神经网络和反向传播
Posted on
Words count in article:
6.8k
|
Reading time ≈
28
神经网络和反向传播损失函数和优化在大多数机器学习模型中，都会有一个损失函数(lost function)。比如常见的MSE：
L(w,b) = \frac{1}{N}\sum_{i=1}^n(y_i-f(wx_i+b))^2损失函数用来衡量机器学习模型的精确度。一般来说，损失函数的值越小，模型的精
...
计算机视觉-神经网络的训练
Posted on
Words count in article:
9k
|
Reading time ≈
34
计算机视觉-神经网络的训练引入我们在 卷积神经网络理论 这篇博客中粗略学习了卷积神经网络的相关知识。
在那篇博客里，我们用举了很多例子，比如说手写识别，图像分类。但其实CNN还有其他作用，比如：
风格迁移
我们输入一张内容图片，再输入一张风格图片，通过最小化内容的损失和风格的损失来获取一张既保
...