没有合适的资源?快使用搜索试试~ 我知道了~
资源详情
资源评论
资源推荐
计算机视觉
Computer Vision
Lecture 3: 损失函数和优化
illumination background clutter occlusion deformation
L02-图像分类
3
一组[0, 255]的数字
狗
Semantic Gap
CIFAR-10 kNN
LC
线性分类器的参数
4
1.5 1.3
0.2 -0.5
2.1 0.0
0.1 2.0
0.0 0.25
0.2 -0.3
56
231
24
2
W
x
+
3.2
1.1
-1.2
=
437.9
-96.8
61.95
狗分数
猫分数
狼分数
W
0
从模型输出分数的好坏反
推参数的好坏
定义一个衡量输出分数好
坏的函数:损失函数(目
标函数)
设计一个反推好参数的方
法,即能够最小化损失函
数的计算方法:优化
损失函数
5
假定训练集有个图片(这里 = 4),经过
线性分类器(, )计算后分别得到如上分数
训练集 {(
,
)}
为第个图片,
为它的类别标签
(,
)为第个图片的输出分数
损失函数
第条数据的损失函数
= ( ,
,
)
训练样本总体损失 =
狗分数
猫分数
狼分数
7.9
5.8
-1.9
3.3
-0.8
6.5
-1.1
3.4
2.5
2.3
1.5
4.4
剩余59页未读,继续阅读
梁肖松
- 粉丝: 24
- 资源: 300
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0