YOLO 算法（Putting it together: YOLO algorithm） 你们已经学到对象检测算法的大部分组件了，在这个笔记里，我们会把所有组件组装在一起构成...
发简信
IP属地：海南
-
吴恩达深度学习笔记(100)-目标检测之YOLO 算法讲解
-
吴恩达深度学习笔记(99)-目标检测之Anchor Boxes
Anchor Boxes 到目前为止，对象检测中存在的一个问题是每个格子只能检测出一个对象，如果你想让一个格子检测出多个对象，你可以这么做，就是使用anchor box这个概...
-
吴恩达深度学习笔记(98)-目标检测之NMS非极大值抑制11
非极大值抑制（Non-max suppression） 到目前为止你们学到的对象检测中的一个问题是，你的算法可能对同一个对象做出多次检测，所以算法不是对某个对象检测出一次，而...
-
吴恩达深度学习笔记(97)-目标检测之IOU交并比
交并比（Intersection over union） 你如何判断对象检测算法运作良好呢？在本笔记中，你将了解到并交比函数，可以用来评价对象检测算法。在下一个笔记中，我们用...
-
吴恩达深度学习笔记(96)-目标检测之Bounding Box预测
Bounding Box预测（Bounding box predictions） 在上一篇笔记中，你们学到了滑动窗口法的卷积实现，这个算法效率更高，但仍然存在问题，不能输出最...
-
吴恩达深度学习笔记(95)-目标检测之卷积网络滑动窗口实现
卷积的滑动窗口实现（Convolutional implementation of sliding windows） 上节笔记，我们学习了如何通过卷积网络实现滑动窗口对象检测...
-
吴恩达深度学习笔记(94)-目标检测之检测算法
目标检测（Object detection） 学过了对象定位和特征点检测，今天我们来构建一个对象检测算法。这节课，我们将学习如何通过卷积网络进行对象检测，采用的是基于滑动窗口...
-
吴恩达深度学习笔记(93)-目标检测之特征点检测
特征点检测（Landmark detection） 上节课，我们讲了如何利用神经网络进行对象定位，即通过输出四个参数值b_x、b_y、b_h和b_w给出图片中对象的边界框。更...
-
吴恩达深度学习笔记(92)-目标检测之目标定位
这一周我们学习的主要内容是对象检测，它是计算机视觉领域中一个新兴的应用方向，相比前两年，它的性能越来越好。在构建对象检测之前，我们先了解一下对象定位，首先我们看看它的定义。 ...
-
吴恩达深度学习笔记(91)-带你了解计算机视觉现状
计算机视觉现状（The state of computer vision） 深度学习已经成功地应用于计算机视觉、自然语言处理、语音识别、在线广告、物流还有其他许多问题。 在计...
-
吴恩达深度学习笔记(90)-数据扩充（Data augmentation）
数据扩充（Data augmentation） 大部分的计算机视觉任务使用很多的数据，所以数据扩充是经常使用的一种技巧来提高计算机视觉系统的表现。我认为计算机视觉是一个相当复...
-
吴恩达深度学习笔记(89)-迁移学习（Transfer Learning）
迁移学习（Transfer Learning） 如果你要做一个计算机视觉的应用，相比于从头训练权重，或者说从随机初始化权重开始，如果你下载别人已经训练好网络结构的权重，你通常...
-
吴恩达深度学习笔记(88)-谷歌 Inception 网络简介Inception(2)
Inception 网络（Inception network） 在上节笔记中，你已经见到了所有的Inception网络基础模块。在本节笔记中，我们将学习如何将这些模块组合起来...
-
吴恩达深度学习笔记(87)-谷歌 Inception 网络简介Inception(1)
谷歌 Inception 网络简介（Inception network motivation） 构建卷积层时，你要决定过滤器的大小究竟是1×1，3×3还是5×5，或者要不要添...
-
吴恩达深度学习笔记(86)-1×1 卷积讲解
网络中的网络以及 1×1 卷积（Network in Network and 1×1 convolutions） 在架构内容设计方面，其中一个比较有帮助的想法是使用1×1卷积...
-
吴恩达深度学习笔记(85)-残差网络为什么起作用？
残差网络为什么有用？（Why ResNets work?） 为什么ResNets能有如此好的表现，我们来看个例子，它解释了其中的原因，至少可以说明，如何构建更深层次的ResN...
-
吴恩达深度学习笔记(84)-残差网络讲解 (ResNets)
残差网络（Residual Networks (ResNets)） 非常非常深的神经网络是很难训练的，非常非常深的神经网络是很难训练的，非常非常深的神经网络是很难训练的，记住...
-
吴恩达深度学习笔记(83)-LeNet-5、AlexNet和VGGNet网络知多少
经典网络（Classic networks） 这节课，我们来学习几个经典的神经网络结构，分别是LeNet-5、AlexNet和VGGNet。 LeNet-5 首先看看LeNe...
-
吴恩达深度学习笔记(82)-深度卷积神经网络的发展史
为什么要探索发展史(实例分析)？ 我们首先来看看一些卷积神经网络的实例分析，为什么要看这些实例分析呢？ 上周我们讲了基本构建，比如卷积层、池化层以及全连接层这些组件。 事实上...