深度網(wǎng)絡(luò)模型詳解_第1頁
深度網(wǎng)絡(luò)模型詳解_第2頁
深度網(wǎng)絡(luò)模型詳解_第3頁
深度網(wǎng)絡(luò)模型詳解_第4頁
深度網(wǎng)絡(luò)模型詳解_第5頁
已閱讀5頁，還剩15頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、.深度網(wǎng)絡(luò)模型詳解2017-4-27Minsky和Seymour Papert專著Perceptron：單層感知機不能解決XOR問題1957單層感知機MCP神經(jīng)元數(shù)學(xué)模型19891997深度信念網(wǎng)LeNetLSTM萬能逼近定理卷積神經(jīng)網(wǎng)絡(luò)2010Xavier2011ReLU2012Dropout AlexNetClarifaiGoogLeNetVGGNetR-CNN2015BNFaster R-CNNResidual Net反向傳播算法.主要內(nèi)容卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)物體分類模型LeNetAlexNetGoogLeNetVGGNetResNet目標檢測模型RCNN系列SSDYolo系列.卷積神經(jīng)網(wǎng)絡(luò)

2、.卷積計算層.卷積計算層深度步長填充值.激勵層Sigmoid vs ReLU.池化層取區(qū)域平均或最大.解釋.LeNetlenet_train_totxt.AlexNtotxt.LRN：局部響應(yīng)歸一化層local_size: 默認為5。如果是跨通道LRN，則表示求和的通道數(shù)；如果是在通道內(nèi)LRN，則表示求和的正方形區(qū)域長度。alpha: 默認為1，歸一化公式中的參數(shù)。beta: 默認為5，歸一化公式中的參數(shù)。norm_region: 默認為ACROSS_CHANNELS。有兩個選擇，ACROSS_CHANNELS表示在相鄰的通道間求和歸一化。WITHIN_CHANNEL表示在一個通道內(nèi)部特定的區(qū)域內(nèi)進行求和歸一化。與前面的local_size參數(shù)對應(yīng)。.GoogLeNet.VGGNet.ResNet.R-CNN.Fast-R-CNNRoI pooling!.Faster-R-CNNRPN!.SSD vs Yolo.Yolo V2類似SSD，使用anchor boxes高分辨率輸入Batch Normalization聚類選擇box

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論