(完整版)深度神经网络及目标检测学习笔记 (2).pdf
版权申诉
71 浏览量
2022-11-26
16:45:19
上传
评论
收藏 1.27MB PDF 举报
深度神经网络及目标检测学习笔记
https://youtu.be/MPU2HistivI
上面是一段实时目标识别的演示，计算机在视频流上标注出物体的类别，包
括人、汽车、自行车、狗、背包、领带、椅子等。
今天的计算机视觉技术已经可以在图片、视频中识别出大量类别的物体，甚
至可以初步理解图片或者视频中的内容，在这方面，人工智能已经达到了 3 岁儿
童的智力水平。这是一个很了不起的成就，毕竟人工智能用了几十年的时间，就
走完了人类几十万年的进化之路，并且还在加速发展。
道路总是曲折的，也是有迹可循的。在尝试了其它方法之后，计算机视觉在
仿生学里找到了正确的道路（至少目前看是正确的）。通过研究人类的视觉原理，
计算机利用深度神经网络（Deep Neural Network，NN）实现了对图片的识别，包
括文字识别、物体分类、图像理解等。在这个过程中，神经元和神经网络模型、
大数据技术的发展，以及处理器（尤其是 GPU）强大的算力，给人工智能技术的
发展提供了很大的支持。
本文是一篇学习笔记，以深度优先的思路，记录了对深度学习（Deep Learning）
的简单梳理，主要针对计算机视觉应用领域。
一、神经网络
1.1 神经元和神经网络
神经元是生物学概念，用数学描述就是：对多个输入进行加权求和，并经过
激活函数进行非线性输出。
由多个神经元作为输入节点，则构成了简单的单层神经网络（感知器），可
以进行线性分类。两层神经网络则可以完成复杂一些的工作，比如解决异或问题，
而且具有非常好的非线性分类效果。而多层（两层以上）神经网络，就是所谓的
深度神经网络。
神经网络的工作原理就是神经元的计算，一层一层的加权求和、激活，最终
输出结果。深度神经网络中的参数太多（可达亿级），必须靠大量数据的训练来
设置。训练的过程就好像是刚出生的婴儿，在父母一遍遍的重复中学习“这是苹
剩余13页未读，继续阅读
评论0
最新资源