［CV］吴恩达深度学习笔记

作者: LCG22 | 来源:发表于2020-04-16 01:29 被阅读0次

1.为什么使用卷积核

① 参数共享

减少参数量

②稀疏连接

提高抽取特征的健壮性

2、网络的平移不变性是基于卷积核而具有的特性

3、 1 × 1 卷积的作用是对通道数进行降维或者升维。如果使用 n × n 卷积(此时的 n 不等于 1) 且不使用 padding 的话，则可以用来对宽度和高度进行降维

4、池化层可以用来对宽度和高度进行降维(此时需要不使用 padding)

5、Inception 通过对输入应用 1 × 1 卷积、3 × 3 卷积、5 × 5 卷积，然后将它们的输出进行拼接，如此就可以让网络来决定使用哪些卷积核组合，这样就可以减少人工选择卷积核的工作。同时为了方便不同大小的卷积核的输出进行拼接，需要对卷积核的输入进行 padding

6、使用迁移学习的时候，既可以冻结所有的隐藏层，只训练输出层，也可以冻结前面的隐藏层，只训练后面的几层，也可以不冻结隐藏层。具体的选择主要看训练集的数据量，数据量越大，需要冻结的层数就越小

7、交并比(IOU) = $\frac{A\cap B}{A\cup B}$ ，目的是为了评价对象定位算法是否精准，也可以用于判断两个边界框是否相似

8、非极大值抑制指的是

网友评论

本文标题：［CV］吴恩达深度学习笔记

本文链接：https://www.haomeiwen.com/subject/awtlvhtx.html

［CV］吴恩达深度学习笔记