深度学习案例教程 课件 第1章 深度学习简介.pptx

;01;01;;;;监督学习

监督学习是利用已知类别的样本，调整分类器的参数，训练得到一个最优模型，再利用这个训练后的模型，将所有的输入映射为相应的输出，对输出进行简单的判断，从而实现分类的目的。;深度学习的定义;生成型深度结构;深度前馈网络

深度前馈网络（DeepFeedforwardNetwork），也被称为前馈神经网络或多层感知器（MultilayerPerceptron，MLP），是深度学习领域中最基本和最经典的模型之一。;卷积神经网络

在深度学习中，卷积神经网络（CNN或ConvNet）是一类深度神经网络，最常用于分析视觉图像。CNN使用多层感知器的变体设计，需要最少的预处理。它们也被称为移位不变或空间不变人工神经网络（SIANN），基于它们的共享权重架构和平移不变性特征。;递归神经网络

递归神经网络（RNN）是一个特殊的神经网络系列，旨在处理序列数据，例如一系列的文本或者股票市场的波动。现实问题中存在着很多序列型的数据，例如文本、语音以及视频等。;;;应用领域;语音识别;语音识别;;目标检测

目标检测（ObjectDetection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。;语义分割

语义分割(SemanticSegmentation)旨在将图像中的物体作为可解释的语义类别，该类别将是DNN学习的特征聚类得到。

;超分辨率重建

超分辨率重建(SuperResolutionConstruction)的主要任务是通过软件和硬件的方法，从观测到的低分辨率图像重建出高分辨率图像。

;行人重识别

行人重识别(PersonRe-identification)也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。

;自然语言;词法分析

词法分析就是以词为单位对数据进行分析，这是NLP中最基本的工作。常见的词性标注和拼写校正任务就属于词法分析。;;第八节深度学习框架;第八节深度学习框架;PyTorch框架;