深度學習學習筆記

深度學習論文彙總(2018.6.25更新)

好記性不如爛筆頭,一直以來都只有寫書面學習筆記的習慣,從來沒寫過部落格。如今很榮幸地加入了浙江大學學生人工智慧協會,立志在跟隨優秀的老師和學長學姐學習AI領域相關技術的同時也為協會的運營和發展貢獻力量。9月份入學以來,因為科研需要加上個人濃烈的興趣,一直堅持著學習機器學習、深度學習相關的知識。如今, […]

吳恩達-深度學習筆記《卷積神經網路》

CNN的提出以及優勢 簡單卷積網路示例 池化層 其他 使用卷積的原因 相比標準神經網路,對於大量的輸入資料,卷積過程有效地減少了 CNN 的引數數量,原因有以下兩點: 1,引數共享(Parameter sharing):特徵檢測如果適用於圖片的某個區域,那麼它也可能適用於圖片的其他區域。即在卷積過程 […]

實踐一:利用SSD-tensorflow訓練kitti資料集

kitti資料集介紹 資料描述 KITTI包含市區、鄉村和高速公路等場景採集的真實影象資料,每張影象中最多達15輛車和30個行人,還有各種程度的遮擋與截斷。整個資料集由389對立體影象和光流圖,39.2 km視覺測距序列以及超過200k 3D標註物體的影象組成 ,以10Hz的頻率取樣及同步。總體上看 […]

吳恩達-深度學習筆記《序列模型》

序列模型概覽 **提出:**DNN存在一個缺陷:無法對時間序列上的變化進行建模,然而,樣本出現的時間順序對於自然語言處理、語音識別等應用很重要;RNN解決了樣本的處理在各個時刻獨立的問題,可以對時間序列上的變化進行建模,深度是時間上的長度。神經元的輸出可以在下一個時間戳直接作用到自身。即,某一層某一 […]

【學習筆記3】挑戰Baseline——Convolutional Pose Machines中各種有效Trick的應用(天池FashionAI關鍵點挑戰賽複賽篇)

又持續煉了一個月左右的丹,今天覆賽B階段結束了,老衲總算熬到頭了。和一群“仙人”競賽,既壓力山大,又動力滿滿。壓力山大是前排“大仙”令人驚歎的NE值以及Top20的誘人獎勵,畢竟自己曾經那麼接近Top20;動力滿滿是自己一直是抱著學習的態度把這次比賽當做一個實踐專案在做,能得到鍛鍊是我們一直做下去的 […]