paddle教程从这一章开始进入计算机视觉部分,基于分类任务着重讲解了几种经典网络结构,跟着官方教程一起学习一下:卷积神经网络基础
计算机视觉任务主要是四大类
- (a) Image Classification: 图像分类,用于识别图像中物体的类别(如:bottle、cup、cube)。
- (b) Object Localization: 目标检测,用于检测图像中每个物体的类别,并准确标出它们的位置。
- (c) Semantic Segmentation: 图像语义分割,用于标出图像中每个像素点所属的类别,属于同一类别的像素点用一个颜色标识。
- (d) Instance Segmentation: 实例分割,值得注意的是,(b)中的目标检测任务只需要标注出物体位置,而(d)中的实例分割任务不仅要标注出物体位置,还需要标注出物体的外形轮廓。
这一章主要就是第一类,图像分类问题
教程讲了卷积的原理,padding,多通道的输入输出的数据尺寸,池化,ReLU激活函数,批归一化,dropout
都是概念和原理,直接看paddle的教程就好,讲的都很清楚。
Comments NOTHING