深度學(xué)習(xí)基礎(chǔ)中核心算法有哪些?

(圖片來源:《深度學(xué)習(xí)》)


實(shí)踐項(xiàng)目2 :目標(biāo)檢測
目標(biāo)檢測任務(wù)需要從背景中分離出感興趣的目標(biāo),并確定這一目標(biāo)的描述(類別和位置),是從圖像分類過渡來的任務(wù),目標(biāo)檢測的應(yīng)用主要包括人臉檢測、安防監(jiān)控、交通疏導(dǎo)等。本次實(shí)踐主要講解基于CNN的目標(biāo)檢測的開山鼻祖:Faster RCNN。會(huì)從思想來源(分類任務(wù)到檢測的過渡)、網(wǎng)絡(luò)搭建和網(wǎng)絡(luò)預(yù)測三個(gè)方面展開,熟悉目標(biāo)檢測的基礎(chǔ)框架。

實(shí)踐項(xiàng)目3:圖像分類
本實(shí)踐所用數(shù)據(jù)集為1000類的ImageNet數(shù)據(jù)集,共計(jì)120張樣本。會(huì)從模型搭建、模型訓(xùn)練和網(wǎng)絡(luò)預(yù)測三個(gè)方面進(jìn)行展開,熟悉整個(gè)圖像分類框架。
本章節(jié)通過兩個(gè)典型的回歸與分類問題,可以初步了解到神經(jīng)網(wǎng)絡(luò)的能力,通過從頭到尾手寫代碼完成訓(xùn)練,也能了解神經(jīng)網(wǎng)絡(luò)大概的工作步驟,為后續(xù)章節(jié)中PyTorch的學(xué)習(xí)積累經(jīng)驗(yàn)。
實(shí)踐項(xiàng)目5: 文本分類
本次實(shí)踐利用標(biāo)注好的旅游文本情感數(shù)據(jù),利用課程講解的卷積神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò),或是兩者的搭配來創(chuàng)建一個(gè)文本情感分類模型,從而訓(xùn)練出一個(gè)實(shí)際可用的分類模型,以此來支撐實(shí)際的業(yè)務(wù)需要。(詳細(xì)內(nèi)容添加文末客服領(lǐng)取)

