一下来自知乎 按照我的理解，CNN的核心其实就是卷积核的作用，只要明白了这个问题，其余的就都是数学坑了（当然，相比较而言之后的数学坑更难）。 如果学过数字图像处理，对于卷积核的作用应该不陌生，比如你做一个最简单的方向滤波器，那就是一个二维卷积核，这个核其实就是一个模板，利用这个模板再 ...

该笔记介绍的是《卷积神经网络》系列第三周：目标检测 （2）YOLO算法 主要内容有： 1.YOLO算法思想 2.交并比 3.非最大抑制 4.Anchor Box 5.YOLO算法例子 YOLO算法思想 基本的滑动窗口对象检测算法并不能精准描绘边框，所以我们要学习一个能够得到准确边框 ...

DEADLINE: 2020-08-01 22:00 写在最前面： 本周学习的是卷积神经网络，是本课程重点中的重点，大家务必要熟练掌握。 本周的学习任务包括 视频学习 、 代码练习 、论文讲解 三部分。 1. 视频学习 ● 深度学习的数学基础 （下载地址：https ...

kali视频学习总结（6——10） 一.几个常用的网络扫描工具 netenum工具：一个很好用的IP段生成工具。可以用来查看有哪些主机在线（这个工具的第二个功能的查询结果不是特别准确，所以它的主要功能还是用来生成IP列表）。使用截图如下 fping工具：常用格式 ...

　　无论是之前学习的MNIST数据集还是Cifar数据集，相比真实环境下的图像识别问题，有两个最大的问题，一是现实生活中的图片分辨率要远高于32*32，而且图像的分辨率也不会是固定的。二是现实生活中的物体类别很多，无论是10种还是100种都远远不够，而且一张图片中不会只出现一个种类的物体 ...

Part 1 视频学习心得及问题总结 通过对视频的学习，了解了卷积神经网络整体的内容和一些思想，卷积神经网络主要包括卷积，池化，激活函数，损失函数等部分，通过不同的卷积核对数据进行不同的提取，池化对提取的数据进行收缩，减小数据的规模，可能是之前的视频学习没看明白，不太理解激活的函数的作用 ...

　　卷积网络博大精深，不同的网络模型，跑出来的结果是不一样，在不知道使用什么网络的情况下跑自己的数据集时，我建议最好去参考基于cnn的手写数字识别网络构建，在其基础上进行改进，对于一般测试数据集有很大的帮助。 分享一个网络构架和一中训练方法： # coding:utf-8 import ...

卷积神经网络与图像识别 我们介绍了人工神经网络，以及它的训练和使用。我们用它来识别了手写数字，然而，这种结构的网络对于图像识别任务来说并不是很合适。本文将要介绍一种更适合图像、语音识别任务的神经网络结构——卷积神经网络(Convolutional Neural Network, CNN)。说卷积 ...