递归神经网络和循环神经网络循环神经网络（recurrent neural network）：时间上的展开，处理的是序列结构的信息，是有环图递归神经网络（recursive neural network）：空间上的展开，处理的是树状结构的信息，是无环图二者简称都是 RNN，但是一般提到的RNN指的是循环神经网络（recurrent neural network）。为什么有bp神经网络、CNN、还需要

前面我们说了CNN的一般层次结构, 每个层的作用及其参数的优缺点等内容.https://blog.csdn.net/fenglepeng/article/details/106077002一 CNN参数初始化及参数学习方法和机器学习很多算法一样, CNN在进行训练之前也要进行参数的初始化操作. 我们知道, 在机器学习中的参数值一般都是随机给定的. 但是, 这CNN的参数初始化又和机器学习中有所不同

深度学习的应用场景1、图像应用：1.1 大规模(大数据量)图片识别(聚类/分类)，如人脸识别，车牌识别，OCR等人脸识别：① faceID ② faceNet1.2 以图搜图，图像分割1.3 目标检测，如自动驾驶的行人检测，安防系统的异常人群检测目标检测：① faster RCNN ② SSD ③ YOLO（YOLO3）2、语音识别语音识别，语音合成语音识别：① deep speec...

1. 什么是插值Interpolation is a method of constructing new data points within the range of a discrete set of known data points. Image interpolation refers to the“guess”of intensity values at missing locati

马尔可夫性质及马尔可夫链马尔可夫性质设是一个随机过程，E为其状态空间，若对于任意的任意的 ，随机变量X(t) 在已知变量之下的条件分布函数只与有关，而与 无关，即条件分布函数满足下列等式，此性质称为马尔可夫性质。如果随机过程满足马尔可夫性，则该过程称为马尔可夫过程。马尔可夫链马尔可夫链...

一、GAN介绍生成式对抗网络GAN（Generative Adversarial Networks）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。它源于2014年发表的论文：《Generative Adversarial Nets》，论文地址：https://arxiv.org/pdf/1406.2661.pdf。模型通过框架中（至少）两个模块：生成模型（Generative

为机器学习占地

K-means算法，也称为K-平均或者K-均值，是一种使用广泛的最基础的聚类算法假设输入样本为T=X1,X2,…,Xm;则算法步骤为（使用欧几里得距离公式）：Step1：随机选择初始化的k个类别中心a1,a2,…ak;Step2：对于每个样本Xi，将其标记位距离类别中心aj最近的类别j更新每个类别的中心点aj为隶属该类别的所有样本的均值，然后更新重复上面两步操作，直到达到某...

首先是negative，即负样本，其次是hard，说明是困难样本，也就是说在对负样本分类时候，loss比较大（label与prediction相差较大）的那些样本，也可以说是容易将负样本看成正样本的那些样本，例如roi里没有物体，全是背景，这时候分类器很容易正确分类成背景，这个就叫easy negative；如果roi里有二分之一个物体，标签仍是负样本，这时候分类器就容易把他看成正样本，即假阳性(

Zhaowei Cai, Nuno Vasconcelos. 《Cascade R-CNN: Delving into High Quality Object Detection》. CVPR 2018.论文链接：https://arxiv.org/abs/1712.00726代码链接：https://github.com/zhaoweicai/cascade-rcnn前言IOU阈值被用来定义正负