【中文字幕】2017春季CS231n 斯坦福深度视觉识别课

7

目标：实现对物体的识别（如猫）

挑战：

W1用来寻找模板

W2用来加权

L1距离 曼哈顿距离

L2距离 欧氏距离

split data into training  and test

train validation test

cross-validation交叉训练、验证

问题:

测试慢

距离不适合图像处理

维度灾难

实际中不好用！

linear分类

线性分类对于组成 神经网络

输入x

权重W

eg:

f(x,w)=wx+b

w代替整个训练数据

输出 10个数用来表示对于10个类的的得分

偏置量b表示的某一类的偏好值

线性分类 模板匹配

cifar-10

每个类别只能学习一个模板

线性分类器的几个困境

选择正确的权重和算法

课程3

图像分类问题

ImageNet

目标检测-—画出边界

图像摘要——描述图像

2012年Hiton小组创造了7层卷积神经网络，现在以AlexNet而闻名。

2015年来自GooLeNet和来自牛津大学的VGG网络，19层网络

微软，残差网路，152层

计算能力+数据

Mechanical Turk工具

算法的深层机理

软件工具：

TensorFlow等

Python

微积分，求导，线性代数基础，矩阵运算

L1 distance 会随着坐标轴的变化而改变->是一个菱形

L2 distance 则不会->是圆形