机器学习相关概念的直观理解

Posted 2022-02-05 秃头的少女

深度学习：

基于卷积神经网络CNN

监督学习：已知规律，求出已知结果

非无监督学习：未知规律，求规律结果

语义分割：对图像进行对象区别

注意力机制：找到特定对象

网络结构

CNN中的通道channels：代表特征，例如：一般的RGB图片，channels的数量是3（红、绿、蓝）

上采样：放大图像

下采样：缩小图像

CNN结构包含：

卷积运算

本质为矩阵运算

点积：累加积数求和

（输入矩阵*卷积核）的和=输出值

根据步长遍历，得出输出矩阵

输出行/列=（输入行/列-卷积核行/列）/步长+1

池化运算

目的为了减小矩阵大小

分块：选最大值、最小值、平均值

激活函数

Sigmoid:平滑函数

Relu:分段函数

损失函数

选取最优化模型

损失函数越小，模型的鲁棒性便越好

鲁棒性：在异常和危险情况下，抗干扰能力