Resent

残差网络

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

一、Resent网络理论部分

2015年，He等人采用残差网络（Residual Networks，ResNet）来解决梯度消失的问题。ResNet的主要特点是跨层连接，它通过引入捷径连接技术（shortcut connections）将输入跨层传递并与卷积的结果相加。在ResNet中只有一个池化层，它连接在最后一个卷积层后面。ResNet使得底层的网络能够得到充分训练，准确率也随着深度的加深而得到显著提升。将深度为152层的ResNet用于LSVRC-15的图像分类比赛中，它获得了第1名的成绩。在文献中，还尝试将ResNet的深度设置为1000，并在CIFAR-10图像处理数据集中验证该模型。

VGG

RNN递归神经网络

会将之前结果全部记下来，太多可能会导致一些特征不清楚。
在这里插入图片描述

LSTM

在这里插入图片描述

word2vec词向量模型

在这里插入图片描述
转换为词向量，根据前后两个次，输出得到一个多分类，让最有可能出现的第三个词，概率变大。

在这里插入图片描述
构建语料库，人为添加0标签

CBOW

在这里插入图片描述

Skipgram

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

GAN对抗生成网络

transfomer

在这里插入图片描述

在这里插入图片描述

TNT

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
蓝色的离散程度更大，特征更鲜明

DETR

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

faster-rcnn

# 深度学习 # 网络 # 神经网络
Logo
魔乐社区

魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。

更多推荐

cover

【计算机视觉】Pixel逐像素分类&Mask掩码分类理解摘要

avatar 魔乐社区

计算机视觉（opencv）实战三十二——CascadeClassifier 人脸微笑检测（摄像头）

本文从原理到实现，详细介绍了基于 OpenCV Haar 分类器的人脸与微笑检测：讲解了 Haar 特征和级联检测原理。对代码逐行拆解并解释参数含义。画出完整流程图，帮助理解执行过程。给出了常见问题和优化建议，甚至扩展到深度学习方法。这种方法简单、轻量、实时性好，非常适合入门和小型应用项目。但如果需要更高准确率和更强鲁棒性，建议使用深度学习检测器替代 Haar 分类器。

avatar 魔乐社区
cover

小杰机器学习（seven）——贝叶斯分类

avatar 魔乐社区