深度学习与计算机视觉

深度学习与计算机视觉核心技术与应用（学习目录简介）

无意中看到举办的深度学习与计算机视觉的课程培训，看到培训的内容，很是感兴趣，有种把之前零散学习到的东西进行了一次总结。
不系之舟913·2016-11-30 09:45

深度学习大讲堂：深度学习在目标跟踪中的应用

研究方向为深度学习与计算机视觉（目标跟踪等）。开始本文之前，我们首先看上方给出的3张图片，它们分别是同一个视频的第1，40，80帧。
RoyKuang07·2016-11-28 22:41

深度学习与计算机视觉系列,细说卷积神经网络

1.前言前面九讲对神经网络的结构，组件，训练方法，原理等做了介绍。现在我们回到本系列的核心：计算机视觉，神经网络中的一种特殊版本在计算机视觉中使用最为广泛，这就是大家都知道的卷积神经网络。卷积神经网络和普通的神经网络一样，由『神经元』按层级结构组成，其间的权重和偏移量都是可训练得到的。同样是输入的数据和权重做运算，输出结果输入激励神经元，输出结果。从整体上看来，整个神经网络做的事情，依旧是对于像素
bbzz2·2016-09-21 15:06

徐海蛟：深度学习与计算机视觉理论与实验4

徐海蛟课堂教学AlphaGo的胜利，无人驾驶的成功，模式识别的突破性进展，人工智能的的飞速发展一次又一次地挑动着我们的神经。作为人工智能的核心，机器学习也在人工智能的大步发展中备受瞩目，光辉无限。如今，机器学习的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域。但也许我们不曾想到的事机器学习乃至人工智能的起源，是对人本身的意识、自我、心灵等哲
u012260637·2016-09-20 17:00

一文看懂深度学习与计算机视觉(上)

今天，我们邀请到慧眼科技研发总监李汉曦，为我们带来深度学习与计算机视觉方面的内容分享。
luo_bosir·2016-05-16 11:08

一文看懂深度学习与计算机视觉(下)

操作的实例：LeNet网络Le顾名思义就是指人工智能领域的大牛Lecun。这个网络是深度学习网络的最初原型，因为之前的网络都比较浅，它较深的。LeNet在98年就发明出来了，当时Lecun在AT&T的实验室，他用这一网络进行字母识别，达到了非常好的效果。怎么构成呢？输入图像是32×32的灰度图，第一层经过了一组卷积和，生成了6个28X28的featuremap，然后经过一个池化层，得到得到6个14
baobei0112·2016-05-16 11:00

一文看懂深度学习与计算机视觉(上)

今天，我们邀请到慧眼科技研发总监李汉曦，为我们带来深度学习与计算机视觉方面的内容分享。
baobei0112·2016-05-16 11:00

深度学习与计算机视觉(11)_基于deep learning的快速图像检索系统

作者：寒小阳&&龙心尘时间：2016年3月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50856583http://blog.csdn.net/longxinchen_ml/article/details/50903658声明：版权所有，转载请联系作者并注明出处1.重点内容引言本系统是基于CVPR2015的论文《DeepLearnin
longxinchen_ml·2016-03-16 11:00

深度学习与计算机视觉(11)_基于deep learning的快速图像检索系统

转载自：深度学习与计算机视觉(11)_基于deeplearning的快速图像检索系统-寒小阳-博客频道-CSDN.NEThttp://blog.csdn.net/han_xiaoyang/article
qq_26898461·2016-03-14 15:00

深度学习与计算机视觉(11)_基于deep learning的快速图像检索系统

作者：寒小阳时间：2016年3月。出处：声明：版权所有，转载请联系作者并注明出处1.引言本系统是基于CVPR2015的论文《DeepLearningofBinaryHashCodesforFastImageRetrieval》实现的海量数据下的基于内容图片检索系统，250w图片下，对于给定图片，检索top1000相似时间约为1s，其基本背景和原理会在下文提到。2.基本问题与技术大家都知道，基于内容
tobacco5648·2016-03-11 15:00

人工智能-资料集合贴

博客XX的博客(http://www.xxx.com/) 人工智能|计算机视觉（CV）|机器学习|数据挖掘手把手入门神经网络系列-2篇-有图有码（转）机器学习系列-7篇-有图有码（转）深度学习与计算机视觉系列
taichu·2016-02-25 13:00

深度学习与计算机视觉系列(10)_细说卷积神经网络

转载自：深度学习与计算机视觉系列(10)_细说卷积神经网络-龙心尘-博客频道-CSDN.NEThttp://blog.csdn.net/longxinchen_ml/article/details/50545340
qq_26898461·2016-01-22 10:00

深度学习与计算机视觉系列(10)_细说卷积神经网络

作者：寒小阳&&龙心尘时间：2016年1月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50542880http://blog.csdn.net/longxinchen_ml/article/details/50545340声明：版权所有，转载请联系作者并注明出处1.前言前面九讲对神经网络的结构，组件，训练方法，原理等做了介绍。现在我们
longxinchen_ml·2016-01-19 22:00

深度学习与计算机视觉系列(10)_细说卷积神经网络

作者：寒小阳时间：2016年1月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50542880声明：版权所有，转载请联系作者并注明出处1.前言前面九讲对神经网络的结构，组件，训练方法，原理等做了介绍。现在我们回到本系列的核心：计算机视觉，神经网络中的一种特殊版本在计算机视觉中使用最为广泛，这就是大家都知道的卷积神经网络。卷积神经网络和普
yaoqiang2011·2016-01-19 19:00

深度学习与计算机视觉系列(6)_神经网络结构与神经元激励函数

作者：寒小阳时间：2016年1月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50447834声明：版权所有，转载请联系作者并注明出处1.神经元与含义大家都知道最开始深度学习与神经网络，是受人脑的神经元启发设计出来的。所以我们按照惯例也交代一下背景，从生物学的角度开始介绍，当然也是对神经网络研究的先驱们致一下敬。1.1神经元激励与连接大
yaoqiang2011·2016-01-16 17:00

深度学习与计算机视觉系列(5)_反向传播与它的直观理解

作者：寒小阳时间：2015年12月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50321873声明：版权所有，转载请联系作者并注明出处1.引言其实一开始要讲这部分内容，我是拒绝的，原因是我觉得有一种写高数课总结的感觉。而一般直观上理解反向传播算法就是求导的一个链式法则而已。但是偏偏理解这部分和其中的细节对于神经网络的设计和调整优化又是
yaoqiang2011·2016-01-16 17:00

深度学习与计算机视觉系列(9)_串一串神经网络之动手实现小例子

作者：寒小阳&&龙心尘时间：2016年1月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50521072http://blog.csdn.net/longxinchen_ml/article/details/50521933声明：版权所有，转载请联系作者并注明出处1.引言前面8小节，算从神经网络的结构、简单原理、数据准备与处理、神经元选
longxinchen_ml·2016-01-15 10:00

深度学习与计算机视觉系列(8)_神经网络训练与注意点

作者：寒小阳&&龙心尘时间：2016年1月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50521064http://blog.csdn.net/longxinchen_ml/article/details/50521926声明：版权所有，转载请联系作者并注明出处1.训练在前一节当中我们讨论了神经网络静态的部分：包括神经网络结构、神经元
longxinchen_ml·2016-01-15 10:00

深度学习与计算机视觉系列(9)_串一串神经网络之动手实现小例子

作者：寒小阳时间：2016年1月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50521072声明：版权所有，转载请联系作者并注明出处1.引言前面8小节，算从神经网络的结构、简单原理、数据准备与处理、神经元选择、损失函数选择等方面把神经网络过了一遍。这个部分我们打算把知识点串一串，动手实现一个简单的2维平面神经网络分类器，去分割平面上的
yaoqiang2011·2016-01-15 01:00

深度学习与计算机视觉系列(8)_神经网络训练与注意点

作者：寒小阳时间：2016年1月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50521064声明：版权所有，转载请联系作者并注明出处1.训练在前一节当中我们讨论了神经网络静态的部分：包括神经网络结构、神经元类型、数据部分、损失函数部分等。这个部分我们集中讲讲动态的部分，主要是训练的事情，集中在实际工程实践训练过程中要注意的一些点，如何
yaoqiang2011·2016-01-15 00:00

深度学习与计算机视觉系列(7)_神经网络数据预处理，正则化与损失函数

作者：寒小阳 && 龙心尘 时间：2016年1月。 出处： http://blog.csdn.net/han_xiaoyang/article/details/50451460 http://blog.csdn.net/longxinchen_ml/article/details/50451493 声明：版权所有，转载请联系作者并注明出处1.引言上一节我们讲完了各种激励函数的优缺点和选择，以及网络
qq_26898461·2016-01-05 15:00

深度学习与计算机视觉系列(6)_神经网络结构与神经元激励函数

作者：寒小阳 && 龙心尘 时间：2016年1月。 出处： http://blog.csdn.net/han_xiaoyang/article/details/50447834 http://blog.csdn.net/longxinchen_ml/article/details/50448267 声明：版权所有，转载请联系作者并注明出处1.神经元与含义大家都知道最开始深度学习与神经网络，是受人脑
qq_26898461·2016-01-05 15:00

深度学习与计算机视觉系列(5)_反向传播与它的直观理解

作者：寒小阳 && 龙心尘 时间：2015年12月。 出处： http://blog.csdn.net/han_xiaoyang/article/details/50321873 http://blog.csdn.net/longxinchen_ml/article/details/50323183 声明：版权所有，转载请联系作者并注明出处1.引言其实一开始要讲这部分内容，我是拒绝的，原因是我觉得
qq_26898461·2016-01-05 15:00

深度学习与计算机视觉系列(4)_最优化与随机梯度下降

details/50178505 http://blog.csdn.net/longxinchen_ml/article/details/50178845 声明：版权所有，转载请联系作者并注明出处1.引言上一节深度学习与计算机视觉系列
qq_26898461·2016-01-05 15:00

深度学习与计算机视觉系列(3)_线性SVM与SoftMax分类器

1.线性分类器在深度学习与计算机视觉系列(2)我们提到了图像
qq_26898461·2016-01-05 15:00

深度学习与计算机视觉系列(2)_图像分类与KNN

作者： 寒小阳 &&龙心尘 时间：2015年11月。 出处： http://blog.csdn.net/han_xiaoyang/article/details/49949535 http://blog.csdn.net/longxinchen_ml/article/details/49963349 声明：版权所有，转载请注明出处，谢谢。1.图像分类问题这是很久以前就引起关注的一类图像相关问题。 
qq_26898461·2016-01-05 15:00

深度学习与计算机视觉系列(1)_基础介绍

转载自：深度学习与计算机视觉系列(1)_基础介绍-龙心尘-博客频道-CSDN.NEThttp://blog.csdn.net/longxinchen_ml/article/details/49963327
qq_26898461·2016-01-05 15:00

深度学习与计算机视觉系列(7)_神经网络数据预处理，正则化与损失函数

作者：寒小阳&&龙心尘时间：2016年1月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50451460http://blog.csdn.net/longxinchen_ml/article/details/50451493声明：版权所有，转载请联系作者并注明出处1.引言上一节我们讲完了各种激励函数的优缺点和选择，以及网络的大小以及正则
longxinchen_ml·2016-01-03 16:00

深度学习与计算机视觉系列(7)_神经网络数据预处理，正则化与损失函数

作者：寒小阳时间：2016年1月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50451460声明：版权所有，转载请联系作者并注明出处1.引言上一节我们讲完了各种激励函数的优缺点和选择，以及网络的大小以及正则化对神经网络的影响。这一节我们讲一讲输入数据预处理、正则化以及损失函数设定的一些事情。2.数据与网络的设定前一节提到前向计算涉及到
yaoqiang2011·2016-01-03 16:00

深度学习与计算机视觉系列(7)_神经网络数据预处理，正则化与损失函数

作者：寒小阳&&龙心尘时间：2016年1月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50451460声明：版权所有，转载请联系作者并注明出处1.引言上一节我们讲完了各种激励函数的优缺点和选择，以及网络的大小以及正则化对神经网络的影响。这一节我们讲一讲输入数据预处理、正则化以及损失函数设定的一些事情。2.数据与网络的设定前一节提到前向
BradyZhu·2016-01-03 16:00

深度学习与计算机视觉系列(6)_神经网络结构与神经元激励函数

作者：寒小阳&&龙心尘时间：2016年1月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50447834http://blog.csdn.net/longxinchen_ml/article/details/50448267声明：版权所有，转载请联系作者并注明出处1.神经元与含义大家都知道最开始深度学习与神经网络，是受人脑的神经元启发设
longxinchen_ml·2016-01-02 13:00

深度学习与计算机视觉系列(6)_神经网络结构与神经元激励函数

作者：寒小阳&&龙心尘时间：2016年1月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50447834声明：版权所有，转载请联系作者并注明出处1.神经元与含义大家都知道最开始深度学习与神经网络，是受人脑的神经元启发设计出来的。这里为了交代一下背景，也对神经网络研究的先驱们致一下敬，我们决定从生物学的角度开始介绍。1.1神经元激励与连接
BradyZhu·2016-01-02 10:00

深度学习与计算机视觉系列(5)_反向传播与它的直观理解

作者：寒小阳&&龙心尘时间：2015年12月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50321873http://blog.csdn.net/longxinchen_ml/article/details/50323183声明：版权所有，转载请联系作者并注明出处1.引言其实一开始要讲这部分内容，我是拒绝的，原因是我觉得有一种写高数课
longxinchen_ml·2015-12-16 08:00

深度学习与计算机视觉系列(5)_反向传播与它的直观理解

作者：寒小阳&&龙心尘时间：2015年12月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50321873声明：版权所有，转载请联系作者并注明出处1.引言其实一开始要讲这部分内容，我是拒绝的，原因是我觉得有一种写高数课总结的感觉。而一般直观上理解反向传播算法就是求导的一个链式法则而已。但是偏偏理解这部分和其中的细节对于神经网络的设计和调
BradyZhu·2015-12-15 22:00

深度学习与计算机视觉系列(4)_最优化与随机梯度下降

details/50178505http://blog.csdn.net/longxinchen_ml/article/details/50178845声明：版权所有，转载请联系作者并注明出处1.引言上一节深度学习与计算机视觉系列
龙心尘·2015-12-04 19:33

深度学习与计算机视觉系列(4)_最优化与随机梯度下降

details/50178505http://blog.csdn.net/longxinchen_ml/article/details/50178845声明：版权所有，转载请联系作者并注明出处1.引言上一节深度学习与计算机视觉系列
longxinchen_ml·2015-12-04 19:00

深度学习与计算机视觉系列(4)_最优化与随机梯度下降

出处：http://blog.csdn.net/han_xiaoyang/article/details/50178505声明：版权所有，转载请联系作者并注明出处1.引言上一节深度学习与计算机视觉系列(
yaoqiang2011·2015-12-04 18:00

深度学习与计算机视觉系列(4)_最优化与随机梯度下降

出处：http://blog.csdn.net/han_xiaoyang/article/details/50178505声明：版权所有，转载请联系作者并注明出处1.引言上一节深度学习与计算机视觉系列(
BradyZhu·2015-12-04 18:00

深度学习与计算机视觉系列(3)_线性SVM与SoftMax分类器

1.线性分类器在深度学习与计算机视觉系列(2)我们提到了图像识别的问题，同
longxinchen_ml·2015-11-23 22:00

深度学习与计算机视觉系列(3)_线性SVM与SoftMax分类器

1.线性分类器在深度学习与计算机视觉系列(2)我们提到了图像识别的问题，同时提出了一种简单的解决方法——KNN。
yaoqiang2011·2015-11-23 19:00

深度学习与计算机视觉系列(3)_线性SVM与SoftMax分类器

1.线性分类器在深度学习与计算机视觉系列(2)我们提到了图像识别的问题，同时提出了一种简单的解决方法——KNN。然后我们也看到了KNN在解决这个问题的时候，虽然实现起来非常简单，但是有很大的弊端
BradyZhu·2015-11-23 19:00

深度学习与计算机视觉系列(2)_图像分类与KNN

作者：寒小阳&&龙心尘时间：2015年11月。出处：http://blog.csdn.net/han_xiaoyang/article/details/49949535http://blog.csdn.net/longxinchen_ml/article/details/49963349声明：版权所有，转载请注明出处，谢谢。1.图像分类问题这是人每天自然而然会做的事情，普通到大部分时候，我们都感知
longxinchen_ml·2015-11-21 11:00

深度学习与计算机视觉系列(1)_基础介绍

作者：寒小阳&&龙心尘时间：2015年11月。出处：http://blog.csdn.net/han_xiaoyang/article/details/49876119http://blog.csdn.net/longxinchen_ml/article/details/49963327声明：版权所有，转载请注明出处，谢谢。1.背景计算机视觉/computervision是一个火了N年的topic
longxinchen_ml·2015-11-21 11:00

深度学习与计算机视觉系列(2)_图像分类与KNN

作者：寒小阳时间：2015年11月。出处：http://blog.csdn.net/han_xiaoyang/article/details/49949535声明：版权所有，转载请注明出处，谢谢1.图像分类问题这是人每天自然而然会做的事情，普通到大部分时候，我们都感知不到我们在完成一个个这样的任务。早晨起床洗漱，你要看看洗漱台一堆东西中哪个是杯子，哪个是你的牙刷；吃早餐的时候你要分辨食物和碗碟…抽
yaoqiang2011·2015-11-20 17:00

深度学习与计算机视觉系列(2)_图像分类与KNN

作者：寒小阳&&龙心尘时间：2015年11月。出处：http://blog.csdn.net/han_xiaoyang/article/details/49949535声明：版权所有，转载请注明出处，谢谢1.图像分类问题这是很久以前就引起关注的一类图像相关问题。对于一张输入的图片，要判定它属于给定的一些标签/类别中的哪一个。看似很简单的一个问题，这么多年却一直是计算机视觉的一个核心问题。应用场景也
BradyZhu·2015-11-20 17:00

深度学习与计算机视觉系列(1)_基础介绍

作者：寒小阳&&龙心尘时间：2015年11月。出处：http://blog.csdn.net/han_xiaoyang/article/details/49876119声明：版权所有，转载请注明出处，谢谢。1.背景计算机视觉/computervision是一个火了N年的topic。持续化升温的原因也非常简单：在搜索/影像内容理解/医学应用/地图识别等等领域应用太多，大家都有一个愿景『让计算机能够像
yaoqiang2011·2015-11-17 00:00

深度学习与计算机视觉系列(1)_基础介绍

作者：寒小阳&&龙心尘时间：2015年11月。出处：http://blog.csdn.net/han_xiaoyang/article/details/49876119声明：版权所有，转载请注明出处，谢谢。1.背景计算机视觉/computervision是一个火了N年的topic。持续化升温的原因也非常简单：在搜索/影像内容理解/医学应用/地图识别等等领域应用太多，大家都有一个愿景『让计算机能够像
BradyZhu·2015-11-17 00:00
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他