深度学习简介
深度学习的发展趋势以及应用领域图1 深度学习从2012年~2016年期间，使用的人数呈现上升的趋势。同时，深度学习可以被应用于很多领域：Android, NLP, 语音识别等。深度学习的发展历程• 1958: Perceptron (linear model)• 1969: Perce...
深度学习系列（2）：前向传播和后向传播算法
深度学习系列（2）：前向传播和后向传播算法前言讲真，之前学吴恩达的机器学习课时，还手写实现过后向传播算法，但如今忘得也一干二净。总结两个原因：1. 理解不够透彻。2. 没有从问题的本质抓住后向传播的精髓。今天重温后向传播算法的推导，但重要的是比较前向传播和后向传播的优缺点，以及它们在神经网络中起到了...
深度子域适应网络：Deep Subdomain Adaptation Network for Image Classification
1、简介深度学习需要大量的标签样本，为解决标签问题提出了迁移学习，即从相关的source domain 去学习标签好的数据。但由于不同域间的数据分布也不同，所以学习得到的模型泛化能力不高。在训练、测试数据的分布有变动的情况下去学习一个判别模型叫做domain adaptation 或transfer...
使用ROS和TensorFlow进行深度学习
在翻译《ROS Robotics Projects》的深度学习一章的过程中，顺手在电脑里敲了下相关的命令，发现还是有一些小问题的，详细的操作步骤在此记录如下：《ROS Robotics Projects》由易科机器人实验室翻译，预计2017.10出版。1 安装TensorFlow可以在以下链接获取最...
VIN码识别又叫车架号识别，OCR技术深度应用
什么叫VIN码？VIN码又叫车架号也叫车辆识别代码，是制造厂为了识别而给一辆车指定的一组编号。由于VIN码的数字和英文字母是不断切换，共有十七个数字及字母组成的编码。 现在，通过自主研发的OCR技术，研发出VIN识别码OCR识别技术颠覆了手工录入VIN码信息的传统方式，解决了录入中容易出现问题的痛点...
深度学习之对抗生成网络
对抗生成网络原理(1)生成模型构建o和s的联合分布p(s,o) = p(s) *p(o|s)(2)判别模型构建o和s的条件分布p(s|o)原理：利用判别模型效果，不断提高生成模型效果！逐步递进的过程不可或缺，而不是一开始就无敌！其实就是通过不断求误差下界中的上界的方式，来获取更好的效果（就是莫欺少年...
【深度学习】梳理范数与正则化（二）
【深度学习】梳理范数与正则化（二）今天要梳理的知识是范数与正则化。文章完全根据个人理解写，如有不对，欢迎指出！！正则化正则化是一种对学习算法的约束，主要是为了防止过拟合（下一次会梳理这个知识点），从而增强模型的泛化能力。泛化能力 是指模型对未知数据的预测能力，是一种用于评估机器学习算法的能力的指标。...
【深度学习的数学】初始权重和偏置参数对模型训练非常重要！（预训练模型、预训练文件、初始权重）
在进行 【深度学习的数学】接“2×3×1层带sigmoid**函数的神经网络感知机对三角形平面的分类训练预测”，输出层加偏置b 的测试中，我们发现，模型的初始权重对模型的训练结果是影响非常大的，如图对比了两种不同的模型训练结果，权重和偏置初始参数均采用正态分布随机值情况1情况2情况3可以看到，情况1...
深度学习中彩色图片批量处理成灰度图片-by Python
在进行深度学习之前，往往需要创建一个用于训练的图片数据集，且一般要求训练集具有统一 的格式和大小。本文以批量处理大小不一 的jpg图片为例，介绍批量处理的一些问题。方法仅供参考。程序如下：###本程序用于将.jpg格式的图片批量转化为.npg灰度图像import osfrom PIL import ...
深度学习的“Hello World”
回到上一篇 了解机器学习(深度学习)的几个特点本文目的是通过深度学习的“Hello World”，向读者展示神经网络的训练过程，是用不那么技术化的文字帮你建立对神经网络的直觉。我们将避免使用数学符号，因为数学符号可能会令没有任何数学背景的人反感，而且对解释问题也不是绝对必要的。本文真正目的不是要解决...
keras 入门——电影评论二分类问题（from python深度学习）
一、IMDB数据集的介绍 电影评论IMDB数据集，包含来自电影数据库（IMDB）的50000两级分化的评论。我们在深度学习中采用其中的25000条评论作为训练集，剩下的25000条评论作为测试集。两个测试集都包含各50%的正面与负面评论，其中0代表负面，1代表正面。数据集已经内置于kera...
深度学习之卷积神经网络CNN及tensorflow代码实现示例
卷积神经网络简介卷积神经网络(convolutional neural network，CNN)最初是用来解决图像识别等问题设计的，随着计算机的发展，现在CNN的应用已经非常广泛了，在自然语言处理(NLP)、医药发现、文本处理等等中都有应用。这里我们着重分析CNN在图像处理上的应用。在早期图像处理识...
【深度学习系列（二）】：基于c++实现一个简单的神经网络（1）
学习深度学习首先得知道反向传播，这是神经网络能够学习得重要原因，也是深度学习得基石。所以，本系列以此为开篇，着重介绍神经网络得正向/反向传播得流程。哈哈，肯定有人会问为什么用C++实现，python不是更好吗？哈哈，本人严重C++控，好吧后续得一些文章大多是基于c++实现的，所以，最好有...
【深度学习图像识别课程】皮肤癌症检测：（1）背景介绍
介绍：Sebastian，无人车之父，优达学城创始人之一，斯坦福大学教授。这个皮肤癌检测项目就是他最近的一个深度学习课题。 1、皮肤癌症的种类皮肤癌症有很多种类，有恶性肿瘤、黑色素瘤。其中黑色素瘤有0期、1期、2期、3期和4期之分。0期5年存活率99%-100%，4期5年存活率为15-20%。也就...
CNN系列：ResNet：图像识别的深度残差学习（Deep Residual Learning for Image Recognition）...
译者按：关于图像识别CNN 是基础，VGG和 GoogleNet 是增强版CNN，继VGG和GoogLeNet在网络深度上进行了进一步的尝试，取得了比较大的进展-网络越深效果也越好-，但也遇到了问题： 网络越深，越容易出现梯度消失，导致模型训练难度变大，出现“退化”现象，出现退化的问题...
深度学习（15）：卷积神经网络
本文以图像分类为例简要介绍卷积神经网络的基本结构。卷积过滤器（核）：过滤器是我们用来卷积的工具。对于一张图片，我们可以利用过滤器来抓取图片的某些特征。一个过滤器是一个 f * f 的矩阵， 其中的每一个元素都是可训练的参数。我们假设现在有一个6 * 6的灰度图，3 * 3的过滤器，那么卷积的过程如下...
神经网络与深度学习笔记 （五）深层神经网络
摘要：本文知识点主要有简单介绍深层神经网络、深层神经网络的传播过程、保证矩阵维数的正确性、深度神经网络强大的原因、神经网络正向传播和反向传播的流程图、参数和超参数和神经网络与人脑机制的关系。1.深层神经网络深层神经网络其实就是包含更多的隐藏层神经网络。如下图所示，分别列举了逻辑回归、1个隐藏层的神经...
深度学习：卷积神经网络从入门到精通
内容简介全面介绍各种卷积神经网络的模型、算法及应用，指导读者把握其形成和演变的基本脉络，以帮助读者在较短的时间内从入门达到精通的水平。有兴趣的读者可以从本书开始，通过图像分类、识别、检测和分割的案例，逐步深入卷积神经网络的核心，掌握深度学习的方法和精髓，领会 AlphaGo 战胜人类世界冠军的奥秘。...
深度学习(五)~基于门控的循环神经网络
深度学习（五）~基于门控的循环神经网络基于门控的循环神经网络1. 长短期记忆神经网络(LSTM)1. RNN vs LSTM2. LSTM工作机制(1).【LSTM前向传播】(2).【LSTM反向传播】2. 门控循环单元网络(GRU)1. GRU工作机制基于门控的循环神经网络1. 长短期记忆神经网络...
华为P30Pro手机多摄像头变焦本质 + 拍照原理深度解析 + 单反微单Vs手机
华为P30的发布，引起了大家的强烈关注，尤其是被它的4摄，10倍变焦所震撼到，作为光学人士，决定来研究介绍一下： 先来介绍一下拍照成像的根本的原理（其实不够根本，再根本就是波动光学了，有兴趣可以留言交流）：很简单就是：【外界物体发出的或反射的光】经过【镜头】打...