¥
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
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