第9周：卷积神经网络分类任务和检测任务

AI100 2023-01-12 23:48:22

课程名称	适应人群
第9周：卷积神经网络分类任务和检测任务	想转型人工智能领域的工程师；想从事人工智能相关工作的学生。

本课程共分为三个阶段。从机器学习到深度学习，再到项目实战，循序渐进，层层深入。除了系统讲解成为一名人工智能工程师所需的理论知识外，每节课还会配有实战案例，通过练习巩固所学知识，学以致用解决实际问题。第三个阶段包含四个大型工业级综合实战案例，采用大量真实数据集，完美模拟工作场景。学完后，大家绝对可以胜任人工智能领域相关工作。

...全文

524 1 打赏收藏转发到动态举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

lightbreaker98 2019-11-12

打赏
举报

回复

能不能在win下面演示一下，github上面也没写win下面怎么安装和使用

本课程共分为三个阶段。从机器学习到深度学习，再到项目实战，循序渐进，层层深入。除了系统讲解成为一名人工智能工程师所需的理论知识外，每节课还会配有实战案例，通过练习巩固所学知识，学以致用解决实际问题。第三个阶段包含四个大型工业级综合实战案例，采用大量真实数据集，完美模拟工作场景。学完后，大家绝对可以胜任人工智能领域相关工作。...

深度学习入门指南——2021吴恩达学习笔记deeplearning.ai《深度学习专项课程》篇第一周 卷积神经网络第二周深度卷积网络：实例探究第三周目标检测第四周特殊应用：人脸识别和神经风格转换

图神经网络GNN学习笔记：卷积神经网络卷积神经网络1. 卷积与池化1.1 信号处理中的卷积 卷积神经网络 卷积神经网络（Convolutional Neural Network, CNN或ConvNet）是一种具有局部连接、权值共享等特点的深层前馈神经网络。在图像和视频分析领域，比如图像分类、目标检测、图像分割等各种视觉任务上取得了显著的效果，是目前应用最广泛的模型之一。 1. 卷积与池化卷积与池化是卷积神经网络中两个核心操作，大多数的神经网络结构都是将它们进行组合而得到的。 1.1 信号处理中的卷积卷

深度学习卷积神经网络从入门到精通—阅读笔记计算机视觉就是用各种成像系统代替视觉器官作为输入敏感手段，由计算机来代替大脑完成处理和解释。计算机视觉的最终研究目标就是使计算机能象人那样通过视觉观察和理解世界，具有自主适应环境的能力。人们致力于建立一种视觉系统，这个系统能依据视觉敏感和反馈的某种程度的智能完成一定的任务。文章目录深度学习卷积神经网络从入门到精通---阅读笔记第一章：概述第二章：预备知识第三章-第七章：图片分类模型第八章：目标检测模型第九章：语义分割模型第十章：特殊卷积神经网络模型第一章：概

网络架构第一个卷积层conv1：输入 3 个通道，输出 6 个特征图，卷积核大小为 5x5。第一个池化层pool：最大池化操作，核大小为 2x2，步长为 2。第二个卷积层conv2：输入 6 个通道，输出 16 个特征图，卷积核大小为 5x5。三个全连接层fc1fc2fc3：用于将卷积层提取的特征转换成类别预测。激活函数：ReLU 函数作为非线性激活函数。前向传播：定义forward方法描述数据流向，将输入数据通过卷积、池化、全连接层的顺序依次处理。VGG16 模型。

AI100讲师的课程社区_NO_1

91

社区成员

99

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章