1樓：爵帝少帥
深度學習在物體識別中最重要的進展體現在imagenetilsvrc3挑戰中的影象分類任務。傳統計算機視覺方法在此測試集上最低的錯誤率是26.172%。
2023年，欣頓的研究小組利用卷積網路把錯誤率降到了15.315%。此網路結構被稱為alexnet，與傳統的卷積網路相比，它有三點與眾不同之處：
首先，alexnet採用了dropout的訓練策略，在訓練過程中將輸入層和中間層的一些神經元隨機置零。這模擬了噪音對輸入資料的各種干擾使一些神經元對一些視覺模式產生漏檢的情況。dropout使訓練過程收斂得更慢，但得到的網路模型更加魯棒。
其次，alexnet採用整流線型單元作為非線性的激發函式。這不僅大大降低了計算的複雜度，而且使神經元的輸出具有稀疏的特徵，對各種干擾更加魯棒。第三，alexnet通過對訓練樣本映象對映和加入隨機平移擾動，產生了的訓練樣本，減少了過擬合。
在imagenetilsvrc2013比賽中，排名前20的小組使用的都是深度學習技術。獲勝者是紐約大學羅伯·費格斯(robfergus)的研究小組，所採用的深度模型是卷積網路，並對網路結構作了進一步優化，錯誤率為11.197%，其模型稱作clarif。
在ilsvrc2014比賽中，獲勝者goolenet[18]將錯誤率降到了6.656%。goolenet突出的特點是大大增加了卷積網路的深度，超過了20層，這在此之前是不可想象的。
很深的網路結構給**誤差的反向傳播帶了困難，這是因為**誤差是從最頂層傳到底層的，傳到底層的誤差很小，難以驅動底層引數的更新。goolenet採取的策略是將監督訊號直接加到多個中間層，這意味著中間層和底層的特徵表示也要能夠對訓練資料進行準確分類。如何有效地訓練很深的網路模型仍是未來研究的乙個重要課題。
雖然深度學習在imagenet上取得了巨大成功，但是很多應用的訓練集是較小的，在這種情況下，如何應用深度學習呢？有三種方法可供參考：(1)可以將imagenet上訓練得到的模型作為起點，利用目標訓練集和反向傳播對其進行繼續訓練，將模型適應到特定的應用[10]。
此時imagenet起到預訓練的作用。(2)如果目標訓練集不夠大，可以將底層的網路引數固定，沿用imagenet上的訓練集結果，只對上層進行更新。這是因為底層的網路引數是最難更新的，而從imagenet學習得到的底層濾波器往往描述了各種不同的區域性邊緣和紋理資訊，而這些濾波器對一般的影象有較好的普適性。
(3)直接採用imagenet上訓練得到的模型，把最高的隱含層的輸出作為特徵表達，代替常用的手工設計的特徵。
2樓：匿名使用者
要提取，不過是由模型自動從大量資料中提取特徵。而不是像傳統的hog，sift一樣設計特徵。
如何用jquery實現獲取checkbox選中的那一行的in
思路 通過 checked 篩選 checkbox 選中項，然後進行遍歷，利用節點關係獲取到input物件，最後使用val 方法獲取input的內容。例項演示如下 1 html結構 2 jquery function get join alert str 3 效果演示 checkbox checke...
如何用U盤安裝深度系統，u深度怎麼裝系統教程
1 首先將u盤製作成u深度u盤啟動盤，重啟電腦等待出現開機畫面按下啟動快捷鍵，選擇u盤啟動進入到u深度主選單，選取 執行u深度win8pe裝機維護版 新機器 選項，按下回車鍵確認。2 進入win8pe系統，將會自行彈出安裝工具，點選 瀏覽 進行選擇存到u盤中win7系統映象檔案。3 等待u深度pe裝...
請問如何用MATLAB實現radon變換
day忘不掉的痛 例子如下 r radon im,30 im是影象矩陣解決方法如下 radon 變換是平行束對影象的線積分，根據各個角度得到的一系列投影值逆radon重建得到原始影象。變換角度預設是逆時針，r radon im,30 得到的是一維陣列。平行束與x軸夾角為30度時，距原點不同距離的投影...