Deep Learning

目标识别是比单一的图像识别要复杂得多，算法模型要识别出图片哪里有哪些目标并将其框出来。Ross Girshick大神提出了一种利用卷积神经网络加上支持向量机的算法模型用于目标检测。下面是对这个经典模型进行的简单解析。 ...

首先祝所有教师节日快乐，感谢你们赠人玫瑰手留余香的奉献精神。然后时隔将近一个月，我又滚回来更新博客了，之前一直在忙着入职这件事，希望能尽快融入公司开发业务中而”忙碌“了一个月。接下来继续经典图像识别网络模型的介绍。上文我们已经介绍了AlexNet和VGG网络，这两个网络都将当时的神经网络的深度发挥到了极致，后续的神经网络模型性能基本上好不了多少。这是由于随着网络的加深，在误差后向传播时，靠前的网络层权重基本得不到更新，一直维持在某一个值附近。在2015年，何凯明大神提出了一种快捷连接方式将误差传播到了前面的网络层，很大程度上提高了网络的性能。下面简单解析一下ResNet网络。 ...

神经网络已经有几个归一化算法了，它们长得都很相似，基本上都有统一的形式。本文参考了知乎专栏SIGAI关于归一化算法的文章，具体链接在文章底部。 ...

VGG(Visual geometry group)是继AlexNet后的又一个经典卷积神经网络模型。它在2014年的ILSVRC比赛中获得了第二名（第一名是GoogleLeNet模型），在工作和个人使用中应用较多的是VGG16和VGG19，这里16和19表示的是神经网络的层数。这里接上文提到的AlexNet网络模型对VGG模型进行解析。 ...