概述 對於計算機視覺的應用現在是非常廣泛的，但是它背后的原理其實非常簡單，就是將每一個像素的值pixel輸入到一個DNN中，然后讓這個神經網絡去學習這個模型，最后去應用這個模型就可以了。聽起來是不是很簡單，其實如果大家深入研究的話，這里面還是有很多內容去學習的，例如：咱們的圖片大小 ...

一、監督學習（supervised-learning）與無監督學習（unsupervised-learning） 　　　　1.監督學習中數據集是由特征組和標簽組成，目的是訓練機器對標簽取值的准確預測。如：房價預測、腫瘤判定、垃圾郵件判定。 　　　　2.無監督學習中人工不對數據集作 ...

之前通過各種博客視頻學習CNN，總是對參數啊原理啊什么的懵懵懂懂。。這次上課終於弄明白了，O(∩_∩)O~ 上世紀科學家們發現了幾個視覺神經特點，視神經具有局部感受野，一整張圖的識別由多個局部識別點構成；不同神經元對不同形狀有識別能力，且視神經具有疊加能力，高層復雜的圖案可以由低層簡單線條組成 ...

CNN-二維卷積層 卷積神經網絡（convolutional neural network）是含有卷積層（convolutional layer）的神經網絡。卷積神經網絡均使用最常見的二維卷積層。它有高和寬兩個空間維度，常用來處理圖像數據。 二維互相關運算 雖然卷積層得名於卷積 ...

深度卷積神經網絡（AlexNet） 在LeNet提出后的將近20年里，神經網絡一度被其他機器學習方法超越，如支持向量機。雖然LeNet可以在早期的小數據集上取得好的成績，但是在更大的真實數據集上的表現並不盡如人意。一方面，神經網絡計算復雜。雖然20世紀90年代也有過一些針對神經網絡的加速硬件 ...

如何驗證算法的正確性 2. 機器學習的數據 2.1 樣本 2.2 特征 2.3 特征空間 ...

機器學習分類算法 本章將介紹最早以算法方式描述的分類機器學習算法：感知器（perceptron）和自適應線性神經元。 人造神經元——早期機器學習概覽 MP神經元 生物神經元和MP神經元模型的對應關系如下表： 這個結構非常簡單，如果你還記得前面所講的M-P神經元的結構的話，這個圖 ...

機器學習（Machine Learning，簡稱 ML）和計算機視覺（Computer Vision，簡稱 CV）是非常令人着迷、非常酷炫、頗具挑戰性同時也是涉及面很廣的領域。本文整理了機器學習和計算機視覺的相關學習資源，目的是幫助許多和我一樣希望深刻理解“智能”背后原理的人，用最為高效 ...