XiangSiqi’s Blog
文章
56
分类
3
标签
14
学习笔记
Chapter 3 卷积神经网络
发布于: 2026-4-27
最后更新: 2026-5-3
次查看
深度学习
目录
0%
第一节 卷积
卷积的定义
CNN 中的卷积
卷积核的行为
卷积网络
特征提取
上采样与下采样
线性层与卷积层的比较
残差神经网络
网络退化
残差块
神经微分方程
阶梯状网络结构
第二节 CV经典任务导论
表示学习和预训练
大规模分类问题和ImageNet
表示学习
表示学习局限和微调
神经风格迁移
内容与风格
内容复原
风格与 Gram 矩阵
内容损失、风格损失与总损失
内容与风格的可分离性
人脸识别
表示向量与embedding
训练方法和判断方法
目标检测
YOLO
Box Regression
IoU
NMS
YOLO 损失
Appendix
Appendix A：经典模型
LeNet-5
AlexNet
VGG-16
Inception Network
Appendix B：目标检测传统算法
Classical Method
OverFeat
R-CNN
Fast R-CNN and RoI Pooling
Faster R-CNN and Anchor Box
向思齐
JianXian
文章
56
分类
3
标签
14
最新发布
CS336: Basics
2026-9-22
Chapter 5 Transformer
2026-8-22
Phase Transition Theory
2026-7-20
Numerical Renormalization Group
2026-7-18
Renormalization Group
2026-7-15
Chapter 4 循环神经网络
2026-5-12
公告
技术之本质只是缓慢地进入白昼。
这个白昼就是变成了单纯技术的白昼的世界黑夜。
这个白昼是最短的白昼。
目录
0%
第一节 卷积
卷积的定义
CNN 中的卷积
卷积核的行为
卷积网络
特征提取
上采样与下采样
线性层与卷积层的比较
残差神经网络
网络退化
残差块
神经微分方程
阶梯状网络结构
第二节 CV经典任务导论
表示学习和预训练
大规模分类问题和ImageNet
表示学习
表示学习局限和微调
神经风格迁移
内容与风格
内容复原
风格与 Gram 矩阵
内容损失、风格损失与总损失
内容与风格的可分离性
人脸识别
表示向量与embedding
训练方法和判断方法
目标检测
YOLO
Box Regression
IoU
NMS
YOLO 损失
Appendix
Appendix A：经典模型
LeNet-5
AlexNet
VGG-16
Inception Network
Appendix B：目标检测传统算法
Classical Method
OverFeat
R-CNN
Fast R-CNN and RoI Pooling
Faster R-CNN and Anchor Box
