14-深度学习-图像识别原理

📂 主文件夹：14-深度学习-图像识别原理

• 📁 包含文件：章节1：卷积神经网络原理
• 📁 章节2：卷积神经网络优化
• 📁 章节3：经典卷积网络算法
• 📁 章节4：古典目标检测
• 📁 章节5：现代目标检测之FasterRCNN
• 🎬 1：回顾深度神经网络_卷积层是局部连接.mp4
• 🎬 2：单通道卷积的计算.mp4
• 🎬 3：彩色图片卷积的计算.mp4
• 🎬 4：卷积层权值共享.mp4
• 🎬 5：卷积的补充与Padding填充模式.mp4
• 🎬 6：卷积的计算TF中的API操作与参数.mp4
• 🎬 7：池化的概念和TF中的API的操作与参数.mp4
• 🎬 8：经典的CNN架构和LeNet5.mp4
• 🎬 9：AlexNet网络结构_连续使用小的卷积核好处.mp4
• 🎬 10：Dropout技术点思想和运用.mp4
• 🎬 11：数据增强技术点_CNN对MNIST数据集分类_卷积池化代码.mp4
• 🎬 12：CNN对MNIST数据集分类_全连接层以及训练代码.mp4
• 🎬 13：深度学习网络对应ACC准确率忽然下降的思考点.mp4
• 🎬 14：减轻梯度消失问题中激活函数发挥的作用.mp4
• 🎬 15：减轻梯度消失问题中参数初始化发挥的作用.mp4
• 🎬 16：VGG网络结构_以及1乘1的卷积核的作用和好处.mp4
• 🎬 17：Optimizer_SGD_Momentum.mp4
• 🎬 18：Optimizer_Adagrad_Adadelta_RMSprop.mp4
• 🎬 19：Optimizer_Adam.mp4