色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

神經(jīng)網(wǎng)絡如何識別圖片的內容?

如意 ? 來源:讀芯術微信公眾號 ? 作者:讀芯術微信公眾號 ? 2020-10-26 14:58 ? 次閱讀

神經(jīng)網(wǎng)絡展示大量的人和車的圖片,并告知其哪一張是車,哪一張是人,最終,這個神經(jīng)網(wǎng)絡就可以學會區(qū)分人和車。當新輸入一張車或人的圖片時,它會告訴你這是一個人還是一輛汽車。

如圖1.1所示:基本上,這個神經(jīng)網(wǎng)絡所做的就是構建一個有意義的結構。如果讓這個神經(jīng)網(wǎng)絡生成一張新的未曾出現(xiàn)過的人或車的照片,它無法做到,如圖1.2所示。

神經(jīng)網(wǎng)絡如何識別圖片的內容?

圖1:卷積神經(jīng)網(wǎng)絡

通常需要生成呈相同輸入分布的新樣本,為此需要一個生成模型。

生成式網(wǎng)絡

神經(jīng)網(wǎng)絡如何識別圖片的內容?

圖2:生成網(wǎng)絡的輸入數(shù)據(jù)

如果將這三種類型的數(shù)據(jù)(圖2)輸入到生成網(wǎng)絡,該網(wǎng)絡的學習模型將如圖3所示。當試圖通過這個訓練好的生成式神經(jīng)網(wǎng)絡生成樣本時,它將生成圖4,因為圖4的模型與以上所有三種輸入分布模型的平均值相似。

但通過觀察,可以清晰地判斷出這個樣本不屬于任何一種已輸入的數(shù)據(jù)分布類型。該如何解決這個問題呢?答案是隨機性。也就是說,生成模型通過增加隨機性來產(chǎn)生相似度極高的結果。

神經(jīng)網(wǎng)絡如何識別圖片的內容?

圖3:學習模型;圖4:生成式網(wǎng)絡的輸出結果

對抗性網(wǎng)絡

假設要訓練一個神經(jīng)網(wǎng)絡來正確識別0到9之間的數(shù)字,我們先要提供大量數(shù)字的圖像。訓練時,當網(wǎng)絡預測正確時將會得到獎勵,預測錯誤時則會給出反饋,這樣網(wǎng)絡就會相應地調整其權值,并且對所有數(shù)字的所有圖像重復這個過程。

但作為人類的我們在歷經(jīng)這個過程時其實并非如此。如果你是一名教師,正在教一個孩子如何識別0-9。對于數(shù)字0,2,3,4,5,6,8,9,他有70%的把握回答出正確答案。但當他得到1和7這兩個數(shù)字時,他心中只有50%的把握(他可能無法分辨)。因為對于他來講,數(shù)字1和7看起來十分相似。

你注意到了這一點,于是開始重點關注1和7,這是你學生面臨的主要問題。但如果你一直問同樣的問題,他最終會失去動力并放棄,這種平衡在人類身上是很常見的,但神經(jīng)網(wǎng)絡不是這樣,神經(jīng)網(wǎng)絡沒有感覺。我們可以就這些錯誤對網(wǎng)絡進行一次又一次的訓練,直到出錯率降到與分辨其他數(shù)字的出錯率相同為止。

現(xiàn)實中,有些人可能會遇到這樣的情況:老師不停問他們同樣的問題,他們不斷失敗,甚至會覺得是老師想讓他們失敗。這實際上是一種反向行為。

那么如何在神經(jīng)網(wǎng)絡中重現(xiàn)類似的場景?實際上,我們可以建立一個真正的對抗性網(wǎng)絡。如果有程序真正使神經(jīng)網(wǎng)絡盡可能多地犯錯,產(chǎn)生上述那種反應,并且它發(fā)現(xiàn)了任何弱點,那么這道程序就會針對性地迫使學習者學會根除這種弱點。

生成式對抗網(wǎng)絡

生成式對抗網(wǎng)絡由兩個模塊組成:一個是生成模型,另一個是判別模型。在訓練生成式對抗網(wǎng)絡時,這兩個網(wǎng)絡實際上是互相博弈的關系,都在競爭唯一的參數(shù)——判別模型的錯誤率。生成模型調整其權重以求產(chǎn)生更高的誤差,判別模型通過學習試圖降低誤差。

示例

有一個偽造者試圖造一幅假畫并且將其高價出售。與此同時,有一個檢查員負責檢查并判斷這些畫的真?zhèn)巍?/p>

起初,偽造者只是在紙上隨意畫幾條線,檢查員此時無法確定真假。因為一開始判別模型和生成模型都還沒有進行任何學習。

后來,造假畫者學習了更多不同種類的畫法,制作出一幅看起來像原畫的畫,檢查員也學習精細的圖案來區(qū)分贗品和原畫。當檢查偽造者新生成的畫時,檢查員就會識別出畫是贗品然后拒絕它,這個過程會不斷重復。

最終,出現(xiàn)了這樣一種情況:偽造者制作出一張看起來很貼近原畫的圖片,而檢查員無法確定其真?zhèn)巍_@在神經(jīng)網(wǎng)絡中表現(xiàn)為,生成模型生成一張看起來和原畫一模一樣的圖,而判別模型的輸出為0.5,表示其無法區(qū)分圖片的真假。這時可以把判別模型從神經(jīng)網(wǎng)絡中移除,得到了一個經(jīng)過充分訓練的生成模型,可以生成看起來非常真實的畫。

除此之外,如果將大量的汽車圖像導入生成式對抗網(wǎng)絡中,以生成一個新的汽車樣本,那么有一點是確定的,那就是生成式對抗網(wǎng)絡此時已了解什么是汽車。

因為網(wǎng)絡將在潛在空間中構造一個結構,這個結構又稱為特征向量,如果觀察這些向量,會發(fā)現(xiàn)其意義是完整的。這個潛在空間是輸入數(shù)據(jù)分布的映射。每一個維度都與汽車的某項特征相對應。如果潛在空間中的一個軸表示的是汽車的尺寸,那么另一個軸就表示汽車的顏色。

所以,如果移動輸入分布中的一個數(shù)據(jù)點,那么在潛在空間中也會有一個非常平滑的過渡。這樣,一個類似于輸入數(shù)據(jù)分布的新樣本就產(chǎn)生了。
責編AJX

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 神經(jīng)網(wǎng)絡

    關注

    42

    文章

    4771

    瀏覽量

    100719
  • 算法
    +關注

    關注

    23

    文章

    4607

    瀏覽量

    92840
  • 圖片
    +關注

    關注

    0

    文章

    203

    瀏覽量

    15923
收藏 人收藏

    評論

    相關推薦

    卷積神經(jīng)網(wǎng)絡與傳統(tǒng)神經(jīng)網(wǎng)絡的比較

    在深度學習領域,神經(jīng)網(wǎng)絡模型被廣泛應用于各種任務,如圖像識別、自然語言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡是兩種常見的模型。 1. 結構差異 1.1 傳統(tǒng)
    的頭像 發(fā)表于 11-15 14:53 ?382次閱讀

    怎么對神經(jīng)網(wǎng)絡重新訓練

    重新訓練神經(jīng)網(wǎng)絡是一個復雜的過程,涉及到多個步驟和考慮因素。 引言 神經(jīng)網(wǎng)絡是一種強大的機器學習模型,廣泛應用于圖像識別、自然語言處理、語音識別等領域。然而,隨著時間的推移,數(shù)據(jù)分布可
    的頭像 發(fā)表于 07-11 10:25 ?452次閱讀

    BP神經(jīng)網(wǎng)絡和卷積神經(jīng)網(wǎng)絡的關系

    廣泛應用的神經(jīng)網(wǎng)絡模型。它們各自具有獨特的特點和優(yōu)勢,并在不同的應用場景中發(fā)揮著重要作用。以下是對BP神經(jīng)網(wǎng)絡和卷積神經(jīng)網(wǎng)絡關系的詳細探討,內容將涵蓋兩者的定義、原理、區(qū)別、聯(lián)系以及應
    的頭像 發(fā)表于 07-10 15:24 ?1442次閱讀

    rnn是遞歸神經(jīng)網(wǎng)絡還是循環(huán)神經(jīng)網(wǎng)絡

    RNN(Recurrent Neural Network)是循環(huán)神經(jīng)網(wǎng)絡,而非遞歸神經(jīng)網(wǎng)絡。循環(huán)神經(jīng)網(wǎng)絡是一種具有時間序列特性的神經(jīng)網(wǎng)絡,能夠處理序列數(shù)據(jù),具有記憶功能。以下是關于循環(huán)
    的頭像 發(fā)表于 07-05 09:52 ?559次閱讀

    人工神經(jīng)網(wǎng)絡模型的分類有哪些

    人工神經(jīng)網(wǎng)絡(Artificial Neural Networks, ANNs)是一種模擬人腦神經(jīng)元網(wǎng)絡的計算模型,它在許多領域,如圖像識別、語音識別、自然語言處理、預測分析等有著廣泛
    的頭像 發(fā)表于 07-05 09:13 ?1117次閱讀

    遞歸神經(jīng)網(wǎng)絡是循環(huán)神經(jīng)網(wǎng)絡

    遞歸神經(jīng)網(wǎng)絡(Recurrent Neural Network,簡稱RNN)和循環(huán)神經(jīng)網(wǎng)絡(Recurrent Neural Network,簡稱RNN)實際上是同一個概念,只是不同的翻譯方式
    的頭像 發(fā)表于 07-04 14:54 ?737次閱讀

    bp神經(jīng)網(wǎng)絡和反向傳播神經(jīng)網(wǎng)絡區(qū)別在哪

    神經(jīng)網(wǎng)絡在許多領域都有廣泛的應用,如語音識別、圖像識別、自然語言處理等。然而,BP神經(jīng)網(wǎng)絡也存在一些問題,如容易陷入局部最優(yōu)解、訓練時間長、對初始權重敏感等。為了解決這些問題,研究者們
    的頭像 發(fā)表于 07-04 09:51 ?423次閱讀

    如何設計人臉識別神經(jīng)網(wǎng)絡

    人臉識別技術是一種基于人臉特征信息進行身份識別的技術,廣泛應用于安全監(jiān)控、身份認證、智能門禁等領域。神經(jīng)網(wǎng)絡是實現(xiàn)人臉識別的關鍵技術之一,本文將介紹如何設計人臉
    的頭像 發(fā)表于 07-04 09:20 ?645次閱讀

    反向傳播神經(jīng)網(wǎng)絡和bp神經(jīng)網(wǎng)絡的區(qū)別

    神經(jīng)網(wǎng)絡在許多領域都有廣泛的應用,如語音識別、圖像識別、自然語言處理等。然而,BP神經(jīng)網(wǎng)絡也存在一些問題,如容易陷入局部最優(yōu)解、訓練時間長、對初始權重敏感等。為了解決這些問題,研究者們
    的頭像 發(fā)表于 07-03 11:00 ?790次閱讀

    bp神經(jīng)網(wǎng)絡是深度神經(jīng)網(wǎng)絡

    Network)有相似之處,但它們之間還是存在一些關鍵的區(qū)別。 一、引言 神經(jīng)網(wǎng)絡是一種模擬人腦神經(jīng)元結構的計算模型,它由大量的神經(jīng)元(或稱為節(jié)點)組成,這些神經(jīng)元通過權重連接在一起
    的頭像 發(fā)表于 07-03 10:14 ?829次閱讀

    卷積神經(jīng)網(wǎng)絡的原理是什么

    卷積神經(jīng)網(wǎng)絡(Convolutional Neural Network,簡稱CNN)是一種深度學習模型,廣泛應用于圖像識別、語音識別、自然語言處理等領域。本文將詳細介紹卷積神經(jīng)網(wǎng)絡的原
    的頭像 發(fā)表于 07-02 14:44 ?635次閱讀

    神經(jīng)網(wǎng)絡在圖像識別中的應用

    隨著人工智能技術的飛速發(fā)展,神經(jīng)網(wǎng)絡在圖像識別領域的應用日益廣泛。神經(jīng)網(wǎng)絡以其強大的特征提取和分類能力,為圖像識別帶來了革命性的進步。本文將詳細介紹
    的頭像 發(fā)表于 07-01 14:19 ?671次閱讀

    神經(jīng)網(wǎng)絡架構有哪些

    神經(jīng)網(wǎng)絡架構是機器學習領域中的核心組成部分,它們模仿了生物神經(jīng)網(wǎng)絡的運作方式,通過復雜的網(wǎng)絡結構實現(xiàn)信息的處理、存儲和傳遞。隨著深度學習技術的不斷發(fā)展,各種神經(jīng)網(wǎng)絡架構被提出并廣泛應用
    的頭像 發(fā)表于 07-01 14:16 ?695次閱讀

    如何訓練和優(yōu)化神經(jīng)網(wǎng)絡

    神經(jīng)網(wǎng)絡是人工智能領域的重要分支,廣泛應用于圖像識別、自然語言處理、語音識別等多個領域。然而,要使神經(jīng)網(wǎng)絡在實際應用中取得良好效果,必須進行有效的訓練和優(yōu)化。本文將從
    的頭像 發(fā)表于 07-01 14:14 ?454次閱讀

    基于毫米波雷達的手勢識別神經(jīng)網(wǎng)絡

    預處理后的信號輸入卷積神經(jīng)網(wǎng)絡時域卷積網(wǎng)絡(CNNTCN)模型,提取時空特征,并通過分類評估識別性能。實驗結果表明,該方法在特定領域的識別中實現(xiàn)了98.2%的準確率,并在不同的
    發(fā)表于 05-23 12:12
    主站蜘蛛池模板: 2019中文字幕乱码免费| 99久女女精品视频在线观看| 9国产露脸精品国产麻豆| 国产超碰人人爱被IOS解锁| 簧片在线观看| 古月娜下面好紧好爽| 精品高清国产a毛片| 欧美性情一线免费http| 亚州视频一区| www.97干| 久久国产成人午夜AV影院无码| 久久九九青青国产精品| 日本高清免费一本在线观看| 亚洲欧美一区二区三区九九九| porono日本xxx| 精品国产免费人成视频| 日韩 国产 欧美视频二区| 益日韩欧群交P片内射中文| 广播电台在线收听| 美女裸露100%奶头视频| 亚洲 欧美 视频 手机在线| 9国产露脸精品国产麻豆| 九九热最新视频| 乌克兰女人与动ZOZO| 99精品国产自在自线| 寂寞夜晚看免费视频| 少男同志freedeos| 999视频在线观看| 久久99re热在线播放7| 午夜熟女插插XX免费视频| georgielyall装修工| 久久精品免费看网站| 幸福草电视剧演员表介绍| 超碰免费视频在线观看| 麻豆AV无码蜜臀AV色哟| 亚洲精品久久久久69影院| 国产AV精品久久久免费看| 暖暖免费观看日本在线视频| 野草在线视频完整视频| 国产欧美一区二区三区在线看| 日韩亚洲人成在线|