随笔分类 - 图像处理&CNN
opencv,图像算法,CNN卷积神经网络
摘要:1.批归一化的作用 参看权值初始化那篇的内容,批归一化的主要意图和权值初始化是一样的,是要解决梯度的前向传播和反向传播过程中,梯度弥散,梯度消失的问题 2.批归一化的流程 这里注意一点,BN层一般放在激活层前面 3.算法流程 算法比较简单,解决问题的主要宗旨和权重初始化一样,尽量能勾勒出一个0均值,
阅读全文
摘要:原地址 https://www.bilibili.com/video/BV1ba411m72B 1.为什么需要对权重初始化精心设计 1.容易出现梯度消失(梯度特别的接近0)和梯度爆炸(梯度特别的大)的情况,导致大部分反向传播得到的梯度不起作用或者起反作用 2.设计思路 神经网络的每层的数据的传送是要
阅读全文
摘要:材料准备 网络找了很多关于卷积神经网络的资料,综合来看,挑了一些比较有质量的材料汇总如下 1.鲁鹏老师的计算机视觉与深度学习 https://www.bilibili.com/video/BV1V54y1B7K3 2.邱锡鹏老师的蒲公英书 3.PRML关于卷积神经网络,不变性的章节(提供了一些不变性
阅读全文
摘要:二维连续函数的傅里叶变换 一维的相关推导见本博客其他章节 这里是二维傅里叶变换的说明 一维离散函数的傅里叶变换 二维离散函数的傅里叶变换 对二维函数的波形没法理解的可以看这张图,u,v就是对应这张图两边的的频率 频谱图和时域图的说明 大家看下的图片,8个字母的时域图和频域图片比较,有些有趣的结论 Z
阅读全文
摘要:原理见 https://blog.csdn.net/schwein_van/article/details/84336633 https://blog.csdn.net/qq_41747057/article/details/116013500 或者可以见B站视频 https://www.bilib
阅读全文
摘要:原理方面,其他网友已经讲得很详细了,这里补充下python代码 https://blog.csdn.net/liyuanbhu/article/details/49387483 点击查看代码 import cv2 import numpy as np import matplotlib.pyplot
阅读全文