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14頁未讀， 繼續(xù)免費(fèi)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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

深度網(wǎng)絡(luò)模型詳解2021-4-27Minsky和SeymourPapert專著Perceptron：單層感知機(jī)不能解決XOR問題194319691986199820061957單層感知機(jī)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)2021Xavier2021ReLU2021DropoutAlexNetClarifaiGoogLeNetVGGNetR-CNN2021BNFasterR-CNNResidualNet反向傳播算法1.主要內(nèi)容卷積神經(jīng)網(wǎng)絡(luò)根底物體分類模型LeNetAlexNetGoogLeNetVGGNetResNet目標(biāo)檢測模型RCNN系列SSDYolo系列2.卷積神經(jīng)網(wǎng)絡(luò)3.卷積計算層4.卷積計算層深度步長填充值5.鼓勵層Sigmoidvs

ReLU6.池化層取區(qū)域平均或最大7.解釋8.LeNets://github/BVLC/caffe/blob/master/examples/mnist/lenet_train_totxtlenet_train_totxt9.AlexNets://github/BVLC/caffe/blob/master/models/bvlc_alexnet/totxt10.LRN：局部響應(yīng)歸一化層local_size:默認(rèn)為5。如果是跨通道LRN，那么表示求和的通道數(shù)；如果是在通道內(nèi)LRN，那么表示求和的正方形區(qū)域長度。alpha:默認(rèn)為1，歸一化公式中的參數(shù)。beta:默認(rèn)為5，歸一化公式中的參數(shù)。norm_region:默認(rèn)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(jìn)行求和歸一化。與前面的local_size參數(shù)對應(yīng)。11.GoogLeNet12.VGGNet13.ResNet14.R-CNN15.Fast-R-CNNRoIpooling!16.Faster-R-CNNRPN!17.SSDvsYolo18.YoloV2類似SSD，使用anchorb

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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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