红色石头的个人博客目标检测（6）：手撕 CNN 经典网络之 VGGNet（理论篇）
16红色石头 发布于 2022-02-28
2014年，牛津大学计算机视觉组（Visual Geometry Group）和Google DeepMind公司一起研发了新的卷积神经网络，并命名为VGGNet。VGGNet是比AlexNet更深的深度卷积神经网络，该模型获得了2014年ILSVRC竞赛的第二名，第一名是Goo...
阅读(26633)评论(0)赞 (4)
标签：CNN
目标检测（5）：手撕 CNN 经典网络之 AlexNet（理论篇）
21红色石头 发布于 2022-02-10
大家好，我是红色石头！ 第一个典型的CNN是LeNet5网络，而第一个大放异彩的CNN却是AlexNet。2012年在全球知名的图像识别竞赛 ILSVRC 中，AlexNet 横空出世，直接将错误率降低了近 10 个百分点，这是之前所有机器学习模型无法做到的。 AlexNet的作...
阅读(16314)评论(0)赞 (1)
深入探讨！Batch 大小对训练的影响
13红色石头 发布于 2021-08-12
一、概要： 批训练（mini-batch）的训练方法几乎每一个深度学习的任务都在用，但是关于批训练的一些问题却仍然保留，本文通过对MNIST数据集的演示，详细讨论了batch_size对训练的影响，结果均通过colab（https://colab.research.google....
阅读(6115)评论(0)赞 (3)
卷积神经网络（CNN）详解
19红色石头 发布于 2021-08-05
章节 Filter 池化 Demo 冷知识 参考 CNN 一共分为输入，卷积，池化，拉直，softmax，输出 卷积由互关运算（用Filter完成）和激活函数 Filter CNN常用于图像识别，在深度学习中我们不可能直接将图片输入进去，向量是机器学习的通行证，我们将图片转换为像...
阅读(89879)评论(0)赞 (5)
开源！mathAI 手写拍照自动能解高数题，AI 还能这么玩？
16红色石头 发布于 2019-05-16
深度好玩！文章开始红色石头先在草稿纸上写一道高数微积分题目给大家看看如何求解： 怎么算呢？趁着高数知识还没忘完，赶紧拿起纸演算起来。大部分人是这么做的。但是如果现在跟你说，可以用 AI 来做，你信吗？ 现在就有这样一个 AI 程序，你只要轻松上传上面这张手写算术题，程序就能帮你自...
阅读(10904)评论(0)赞 (10)
12 个常见 CNN 模型论文集锦与 PyTorch 实现
4红色石头 发布于 2019-05-05
最近发现了一份不错的源代码，作者使用 PyTorch 实现了如今主流的卷积神经网络 CNN 框架，包含了 12 中模型架构。所有代码使用的数据集是 CIFAR。 项目地址： https://github.com/BIGBALLON/CIFAR-ZOO CNN 经典论文 该项目实现...
阅读(10563)评论(0)赞 (5)
快速入门——深度学习理论解析与实战应用
4红色石头 发布于 2018-08-03
1. 前言 说实话，我也是一个美剧迷，特别是一些烧脑的美剧，更是一追再追。前端时间，《西部世界》第二季也完结了。我一鼓作气，看完之后，大呼过瘾，深深地被其中栩栩如生的人工智能机器人所吸引。不禁感叹：现实世界真的会出现这样厉害的人工智能吗？ 这虽然是一个看似遥远的事情，但也真的不好...
阅读(9857)评论(0)赞 (6)
吴恩达《卷积神经网络》课程笔记（4）– 人脸识别与神经风格迁移
17红色石头 发布于 2018-08-02
《Convolutional Neural Networks》是Andrw Ng深度学习专项课程中的第四门课。这门课主要介绍卷积神经网络（CNN）的基本概念、模型和具体应用。该门课共有4周课时，所以我将分成4次笔记来总结，这是第4节笔记，主要介绍卷积神经网络的特殊应用：人脸识别与...
阅读(8794)评论(0)赞 (6)
吴恩达《卷积神经网络》课程笔记（3）– 目标检测
23红色石头 发布于 2018-08-02
《Convolutional Neural Networks》是Andrw Ng深度学习专项课程中的第四门课。这门课主要介绍卷积神经网络（CNN）的基本概念、模型和具体应用。该门课共有4周课时，所以我将分成4次笔记来总结，这是第3节笔记，主要介绍目标检测。 1. Object L...
阅读(8609)评论(0)赞 (9)
吴恩达《卷积神经网络》课程笔记（2）– 深度卷积模型：案例研究
21红色石头 发布于 2018-08-02
《Convolutional Neural Networks》是Andrw Ng深度学习专项课程中的第四门课。这门课主要介绍卷积神经网络（CNN）的基本概念、模型和具体应用。该门课共有4周课时，所以我将分成4次笔记来总结，这是第2节笔记。 1. Why look at case ...
阅读(9363)评论(0)赞 (9)
