FaceNet论文阅读
FaceNet论文阅读

从老的wordpress转移过来,之前一年一直在做人脸识别算法研究,现在回头看看too young too simple,但是这些经历也算对自己的有很多帮助,认清自己的水平,知道自己什么方面比较差,这样也算是有所帮助

Visualizing and Understanding CNN
Visualizing and Understanding CNN

研究卷积神经网络,把阅读到的一些文献经典的部分翻译一下,写成博客,代码后续给出,不足之处还请大家指出。 大型卷积神经网络在图片分类上很成功,然而我们不知道他为什么能表现的如此不错,或者如何提高。

LeNet论文解读
LeNet论文解读

是一种局部的,包含噪声的梯度估计法,这种方法只计算一个或者一组较小数量的训练样本来估算梯度,之后更新所有参数。 样本一般算计选取,或者先把样本随机排队,然后逐个(组)使用。

Droupout 的论文解读
Droupout 的论文解读

深度神经网络因为拥有大量的参数,所有具有非常强大的学习功能,而大量参数带来的问题就是过拟合(overfit),过拟合严重影响模型的范化性能,而大型深度神经网络计算速度又较慢,很难在实际应用中通过联合多个模型来给出结果。

CNN训练数据讨论
CNN训练数据讨论

所谓同一样本的不同形式,比如彩色图片的不同色彩空间描述,RGB,YUV(YCbCr),LIS等色彩空间有着不同的表现方式,其本质(数学模式)虽然不同,但视觉效果都表征同一样本,或者将样本变形成灰度图像,样本类别没有发生变化,只是描述发生了转换,更深层的说法就是变量的域发生了改变。