岁染

语义分割网络 语义分割是对图像在像素级别上进行分类的方法，在一张图像中，属于同一类的像素点都要被预测为相同的类。因此语义分割是从像素级别来理解图像。 注意，语义分割仅仅是把某一类划分出来，而针对每个个体没办法进行分割(实例分割)。 常见的语义分割网络有很多，如FCN、U-Net、SegNet、DeepLab等。 FCN FCN(Fully Convolutional Networks)属于利用深度网络进行图片语义分割的开山之作，其主要思想为： 对于一般的CNN网络分类图像，如VGG和ResNet，在网络的最后是通过全连接层，通过softmax进行分类，但这只能表示整个图片的类别。FCN把最后几个全连接层都换成了卷积操作，得到和输入图像尺寸相当的特征映射，最后通过softmax获取每个像素点的分类信息，实现像素点的图像分割。 端到端像素级语义分割任务，需要输出分类结果尺寸和输入图像尺寸一致，面对池化造成的图面尺寸缩小，FCN采用反卷积(deconvolution)进行上采样，从而保证图像大小的一致。 为了更有效的利用特征映射的信息，FCN提出一种跨层连接结构，将低层和高层的目标位置信 ...

第五章 全连接神经网络 1.1 全连接神经网络 人工神经网络(Artificial Neural Network)可以对一组输入信号和一组输出信号之间的关系进行建模，是机器学习和认知科学中的一种模仿生物神经网络的结构和功能的数学模型。其灵感源于动物的神经中枢，由大量的人工神经元连接而成，能够根据外界环境改变内部结构，是一种自适应的系统。 全连接神经网络(Multi-Layer Perception)也称多层感知机，是一种连接方式较为简单的人共神经网络结构，属于前馈神经网络的一种。主要由输入层、隐藏层、输出层构成，并且在每个隐藏层中可以有多个神经元。 神经网络的学习能力主要来源于网络结构，根据层级数量的不同，每层神经元数量的多少，以及信息在层之间的传播方式，可以组合层多种神经网络模型。一般在隐层和输出层对信号进行加工处理，根据隐层的数量，MLP可分为单层或是多(隐)层。 针对单层MLP和多层MLP，每个隐层的神经元数量是可以变化的。通常没有一个很好的标准用于确定每层神经元的数量和隐层的个数。根据经验，更多的神经元会有更强的表示能力，同时也更容易造成网络的过拟合。 下面 ...

第三章 深度神经网络 1. 随机梯度下降 通常，我们需要设计一个模型的损失函数来约束我们的训练过程，让其向着使用者想要的方向发展。针对分类问题可以用交叉熵，针对回归问题可以用均方根误差。 模型的训练并不是漫无目的的，而是需要向着损失函数最少的方向发展。此时就需要利用梯度下降算法。 梯度下降算法(gradient descent)是一个一阶最优化算法，通常也称为最速下降法。使用规定步长距离向着函数当前点梯度的反方向前进，不断迭代搜索直到陷入局部最优解。 W:=W−α▽Wb:=b−α▽bW:=W-\alpha\triangledown W \\ b:=b-\alpha\triangledown b W:=W−α▽Wb:=b−α▽b 由于普通的梯度下降算法每次更新都需要使用所有样本，当样本总量特别大时，对算法的速度影响特别大，于是就有了随机梯度下降(stochastic gradient descent,SGD)算法，每次只随机取部分样本进行优化。 使用梯度下降时，通常会指定一个学习率 β\betaβ ，但该学习率比较难确定，且各个参数使用的学习率还有可能不同。针对这种情况，可以采用变 ...

None

Unit2 介词和并列连词 一、介词 介词是一种虚词，不能单独使用，介词之后一般有名词或代词(宾格)或相当于名词的其他词类、短语或从句做他的宾语，即构成介词短语，常用于表示状态。 1.1 常见介词及辨析 表示地点时，at, in, on的区别 at后面跟的是比较小的地方，比如村庄，小城市，门牌等；in后面接比较大的地方，比如国家、城市等；on表示在某物之上，且表面接触。例如：on the road, in/on the stree, on the farm, in the field 表示时间时at, on , in的区别 at表示时间点 1234567at sixat noonat midnightat nightat sunriseat the weekendat Christmas on表示在特定某一天或某天的上午，下午，晚上(时间段) 12on Mondayon Sunday afternoon in表示一段时间，后面跟上小时、周、月、年、季等表示一段时间的名词 1234in three hoursin a weekin a monthin tree y ...