Canary Blog

生活就像海洋
只有会游泳的人才能到达彼岸！

循环神经网络

"deeplearning.ai-Class5-Week1"

GitHub项目传送门 欢迎Star 本篇博客有大量公式演示，不推荐使用手机查看 为什么选择序列模型？(Why Sequence Models?) 自然语言和音频都是前后相互关联的数据，对于这些序列数据需要使用 循环神经网络(Recurrent Neural Network，RNN) 来进行处理。 语音识别：将输入的语音信号$X$直接输出相应的语音文本信息$Y$。...

Posted by Canary on April 21, 2018

Caffe cifar100 实例

"【Caffe-windows】 cifar100实例过程记录"

前言 在过完cifar-10的例程之后，现在对cifar-100的数据集进行训练，但是这一次不下载数据集的二进制版本，打算试用下caffe-python接口。现对此在 Windows Caffe 下的操作做简要记录！ cifar-100数据集获取 cifar-10数据集和cifar-100数据集的官方网址都是：https://www.cs.toronto.edu/~kriz/c...

Posted by Canary on April 17, 2018

CASIA WebFaces 数据集

"Deep Learning 数据集"

前言 发现服务器里边有一个非常多照片的文件夹 CASIA-WebFace，上网探索之，现做简要记录。 简介 在大数据和深度卷积神经网络（CNN）的推动下，人脸识别的性能快速接近人类的识别效率和准确率。使用私人大规模训练数据集，几个小组在LFW上取得了很高的成绩。虽然CNN网络的开源实现有很多，大规模的人脸数据集却没有一个是开源的。所以，目前在人脸识别领域，高质量的数据比算法更加...

Posted by Canary on April 16, 2018

Caffe cifar10 实例

"【Caffe-windows】 cifar10实例过程记录"

前言 听说cifar-10是Dataset届的元老级别存在，Cifar-10由60000张32*32的RGB彩色图片构成，共10个分类。50000张训练，10000张测试（交叉验证）。这个数据集最大的特点在于将识别迁移到了普适物体，而且应用于多分类（姊妹数据集Cifar-100达到100类，ILSVRC比赛则是1000类）。，现对此在 Windows Caffe 下的操作做简要记录！...

Posted by Canary on April 14, 2018

Caffe Mnist 实例

"【Caffe-windows】 Minst实例过程记录"

前言 听说Mnist在Deeplearning界享有‘Hello World’般地位，现对此在 Windows Caffe 下的操作做简要记录！ Windows 下的 Caffe 环境配置—–“Caffe for Windows10” mnist手写数字数据集获取 THE MNIST DATABASE of handwritten digits 将该网址下的四个压缩包全部下...

Posted by Canary on April 13, 2018

特殊应用：人脸识别和神经风格转换

"deeplearning.ai-Class4-Week4"

GitHub项目传送门 欢迎Star 本篇博客有大量公式演示，不推荐使用手机查看 什么是人脸识别？(What is face recognition?) 人脸识别的相关文献中，常见到两个概念：人脸验证(face verification)和人脸识别(face recognition)。 人脸验证： Input：图片、名字/ID； Ou...

Posted by Canary on April 12, 2018

目标检测

"deeplearning.ai-Class4-Week3"

GitHub项目传送门 欢迎Star 目标定位(Object localization) 定位分类问题这意味着，不仅要用算法判断图片中是不是一辆汽车，还要在图片中标记出它的位置，用边框(Bounding Box)把目标物体圈起来。一般来说，定位分类问题通常只有一个较大的对象位于图片中间位置；而在对象检测问题中，图片可以含有多个对象，甚至单张图片中会有多个不同分类的对象。 ...

Posted by Canary on April 12, 2018

深度卷积网络：实例探究

"deeplearning.ai-Class4-Week2"

GitHub项目传送门 欢迎Star 为什么要进行实例探究(Why look at case studies?) 计算机视觉研究中的大量研究都集中在如何把这些基本构件组合起来，形成有效的卷积神经网络。最直观的方式之一就是去看一些案例，就像很多人通过看别人的代码来学习编程一样，通过研究别人构建有效组件的案例是个不错的办法。实际上在计算机视觉任务中表现良好的神经网络框架往往也适用于...

Posted by Canary on April 12, 2018

卷积神经网络

"deeplearning.ai-Class4-Week1"

GitHub项目传送门 欢迎Star 本篇博客有大量公式演示，不推荐使用手机查看 计算机视觉(Computer vision) 深度学习有两个令人兴奋的特点： 计算机视觉的高速发展标志着新型应用产生的可能，这是几年前，人们所不敢想象的。通过学习使用这些工具，你也许能够创造出新的产品和应用。 人们对于计算机视觉的研究富有想象力和创造力，由此衍生出新的神经网络结构与算法...

Posted by Canary on April 12, 2018

FEATURED TAGS
caffe python3 windows 记录 深度学习 笔记 deeplearning.ai 网易云课堂 Andrew NG maching learning yearning 机器学习 翻译
ABOUT ME

From JINAN UNIVERSITY

✉️ hhhgggpps@gmail.com

FRIENDS