会员
周边
众包
新闻
博问
闪存
赞助商
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
嫩芽33
博客园
首页
新随笔
联系
管理
[置顶]
深度神经网络简述与Capsule介绍
摘要: 本人最近初学Hinton大神的论文《Dynamic Routing Between Capsules 》,对深度神经网络的内容进行了简要总结,将观看“从传统神经网络的角度解读Capsule”视频的内容做了笔记。感谢网络资源,让我学习到很多知识。以后会有更新。 作者: 嫩芽33出处: http://w
阅读全文
posted @ 2017-12-21 14:05 嫩芽33
阅读(4131)
评论(0)
推荐(0)
[置顶]
CNNs 在图像分割中应用简史: 从R-CNN到Mask R-CNN
摘要: 作者:嫩芽33出处:http://www.cnblogs.com/nenya33/p/6756024.html 版权:本文版权归作者和博客园共有 转载:欢迎转载,但未经作者同意,必须保留此段声明;必须在文章中给出原文连接;否则必究法律责任 作者:嫩芽33出处:http://www.cnblogs.c
阅读全文
posted @ 2017-04-24 15:48 嫩芽33
阅读(4768)
评论(0)
推荐(0)
2017年7月6日
FlowNet: Learning Optical Flow with Convolutional Networks
摘要: 作者:嫩芽33出处:http://www.cnblogs.com/nenya33/p/7122701.html 版权:本文版权归作者和博客园共有 转载:欢迎转载,但未经作者同意,必须保留此段声明;必须在文章中给出原文连接;否则必究法律责任 学习了一篇用CNN做光流的paper,简称FlowNet。
阅读全文
posted @ 2017-07-06 15:55 嫩芽33
阅读(5077)
评论(0)
推荐(1)
2017年5月6日
A Convolution Tree with Deconvolution Branches: Exploiting Geometric Relationships for Single Shot Keypoint Detection
摘要: 作者:嫩芽33出处:http://www.cnblogs.com/nenya33/p/6817781.html 版权:本文版权归作者和博客园共有 转载:欢迎转载,但未经作者同意,必须保留此段声明;必须在文章中给出原文连接;否则必究法律责任 这是一篇关于人脸特征点定位(人脸关键点检测)的论文,题目:A
阅读全文
posted @ 2017-05-06 19:32 嫩芽33
阅读(384)
评论(0)
推荐(0)
2017年5月3日
CFAN:Coarse-to-Fine Auto-Encoder Networks (CFAN) for Real-Time Face Alignment
摘要: 作者:嫩芽33出处:http://www.cnblogs.com/nenya33/p/6801045.html 版权:本文版权归作者和博客园共有 转载:欢迎转载,但未经作者同意,必须保留此段声明;必须在文章中给出原文连接;否则必究法律责任 原始论文链接:http://citeseerx.ist.ps
阅读全文
posted @ 2017-05-03 14:57 嫩芽33
阅读(950)
评论(4)
推荐(1)
2017年3月6日
生成模型和判别模型
摘要: 监督学习方法分为生成方法和判别方法。 生成方法:模型表示给定输入X产生输出Y的生成关系 -生成模型:由数据学习联合概率分布P(X,Y),然后求条件概率分布P(Y|X),将其作为预测的模型 -典型的生成模型:朴素贝叶斯法、马尔可夫模型 -特点:可还原出联合概率分布;学习收敛速度更快;可以处理有隐变量的
阅读全文
posted @ 2017-03-06 15:16 嫩芽33
阅读(186)
评论(0)
推荐(0)
机器学习总结说明
摘要: 这段时间又重新学习机器学习算法,之前都是记在自己的笔记本上,这次希望能够将自己的所学整理、提炼出来,希望也会对一起学习的同学有所帮助。 主要参考《统计学习方法》(李航),后期会在学习中根据参考不断更新。
阅读全文
posted @ 2017-03-06 15:14 嫩芽33
阅读(99)
评论(0)
推荐(0)
K近邻法(K-Nearest Neighbor,KNN)
摘要: KNN是一种基本分类与回归方法,本篇只总结分类问题中的KNN。 输入:样本的特征向量,对应于特征空间中的点 输出:样本的类别,可取多类 算法思想:给定一个样本类别已知的训练数据集,对于新样本,根据其K个最近邻训练样本的类别,通过多数表决等方式进行类别预测。(不具有显式的学习过程) 实际是利用训练数据
阅读全文
posted @ 2017-03-06 15:09 嫩芽33
阅读(233)
评论(0)
推荐(0)
感知机
摘要: 感知机是二类分类的线性分类模型,其输入是样本的特征向量,输出是样本的类别,取+1或-1。感知机对应于输入空间(特征空间)中将样本划为正负两类的分离超平面。 学习目标:求出将训练数据线性划分的分离超平面。 学习策略:导入基于误分类的损失函数(感知机学习方法是误分类驱动的)-->利用梯度下降法对损失函数
阅读全文
posted @ 2017-03-06 15:08 嫩芽33
阅读(171)
评论(0)
推荐(0)