the application of ConvNets:
- image retrieve
- detection and location (self-driving cars...)
- face-recognition
- pose recognition
- game playing: Alpha Go
- image captioning
- artwork and calligraphy
¥
支付方式
请使用微信扫一扫 扫描二维码支付
请使用支付宝扫一扫 扫描二维码支付
the application of ConvNets:
卷积神经网络:
不同的是在训练的时候需要训练卷积层
1.历史
1986 backpropogation
2006 hinton DNN
需要谨慎的初始化才可以完成反向传播
方法:预训练(对每一个隐藏层用玻尔兹曼机来建模,通过迭代训练每一层来得到初始化的权重,再反向传播,调整参数)
神经网络的发展
1950s 猫眼神经测试
1980神经认知机
1998 lenet5
2012 AlexNet
CNN 用于检测,分类,人脸识别,视频,姿势识别,游戏
描述图片
Justin(图像着色代码)
1.卷积神经网络:它与常规神经网络的构想基本一致,不同的是需要训练卷积层,因为卷积层更能保留输入的空间结构
2.应用反向传播和基于梯度学习的学习方法来训练卷积神经网络
3.2012年Hinton提出的网络,称之为AlexNet,与卷积神经网络相比,没有太大的区别,只是它们可以充分利用大量数据,同时也可以充分发挥GPU并行计算能力的优势
4.卷积神经网络可以用于图像分类,分割,目标检测,自动驾驶汽车,人脸识别,视屏处理,姿势识别,游戏(增强学习),医学图像的解释和诊断,星系分类,路标识别,鲸鱼识别,航测图里的建筑物树木分类识别,总结就是分类检测识别。除了这些,还可以做图像描述的任务
ConvNet的用途: