深度学习导引.pptxVIP

下载本文档

0
0
约1.49千字
约 54页
2025-12-05 发布于浙江
举报
版权申诉

深度学习导引.pptx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第三节深度学习导引

神经网络的基本结构

神经网络的大量参数

神经网络的表现能力

卷积神经网络

卷积神经网络卷积层的作用

卷积神经网络

卷积神经网络池化层的作用

卷积神经网络

卷积神经网络激活函数

卷积神经网络

卷积神经网络Softmax层的作用

卷积神经网络

卷积神经网络网络的预处理

卷积神经网络的实例Alexnet

卷积神经网络的实例VGG16使用多个较小的卷积核代替较大的卷积减少参数增加非线性拟合能力

卷积神经网络的实例Inception-GoogleNet采用不同大小的卷积核意味着不同大小的感受野，最后拼接意味着不同尺度特征的融合减少参数。网络越到后面，特征越抽象，而且每个特征所涉及的感受野也更大了，因此随着层数的增加，3x3和5x5卷积的比例也要增加。

卷积神经网络的实例Skip-connection-ResNet网络越深，梯度消失的现象就越来越明显，网络的训练效果也不会很好。

卷积神经网络的实例Skip-connection-ResNet网络越深，梯度消失的现象就越来越明显，网络的训练效果也不会很好。残差网络可以理解成由多种路径组合的一个网络，是很多并行子网络的组合。整个残差网络其实相当于一个多人投票系统（EnsembleSystem）。

卷积神经网络的实例FCN网络

卷积神经网络的实例R-CNN网络对于输入图片，运用SelectiveSearch提取大约2000个候选区域；对这些候选区域分别用预训练的AlexNet或VGG16模型提取特征；将提取到的特征输入SVM分类器进行分类和边框回归。

卷积神经网络的实例SPP-Net对于输入图片，运用SelectiveSearch提取大约2000个候选区域；对这些候选区域分别用预训练的AlexNet或VGG16模型提取特征；

卷积神经网络的实例FastR-CNN网络EndtoEnd，用softmax层取代了SVM分类器多任务学习框架，同时完成boundingbox边界回归任务和分类任务

卷积神经网络的实例FasterR-CNN网络RPN+FastR-CNN两个任务共享网络前端的部分卷积层来进行特征提取“锚点”机制（anchor机制）FasterR-CNN将候选区域的选择、特征提取、分类器分类和边框回归都整合到了一个框架中，是一个真正意义上的端到端的深度学习目标检测框架。

卷积神经网络的实例FPN网络特征金字塔结构高层feature叠加到多个featureMap上进行预测低层的思想，Top-DownandBottom-Up

卷积神经网络的实例MaskR-CNN网络FPN+Res-Net，检测+分割RoIAlign层的加入，对featuremap的插值softmax的多项式交叉熵替换成sigmod二值交叉熵

卷积神经网络的训练方法

您可能关注的文档

文档评论（0）

192****4212 + 关注: 实名认证

文档贡献者

该用户很懒，什么也没介绍

咨询Ta 进入空间

1亿VIP精品文档

更多 >

深度学习导引.pptxVIP