用于图像识别的EBM(Energy-Based Model)的简要说明
2008-12-24 15:23
274 查看
对于传统的BP神经网络,如果要对1234做识别或者分类的话
那么神经网络的构建是根据输入,确定输入层数目,然后定义适当数据的隐含层神经元数目,最后四个单元的输出层。按照理论3层BP网络结构就足以了。
那么获取一些训练样本,训练后就可以对1234识别了。
但是如果我们的目标并不是对1234的简单分类,而是对有1234四个数据所描述的点,是否在某个四维空间的某个流行上的识别。Delta的计算就不是像上面那样简单的了,那么我们需要使用EBM ,最关键的就是在用于训练的Loss function 的设计上了。EBM和传统神经网络的差异就在于此了。
那么神经网络的构建是根据输入,确定输入层数目,然后定义适当数据的隐含层神经元数目,最后四个单元的输出层。按照理论3层BP网络结构就足以了。
那么获取一些训练样本,训练后就可以对1234识别了。
但是如果我们的目标并不是对1234的简单分类,而是对有1234四个数据所描述的点,是否在某个四维空间的某个流行上的识别。Delta的计算就不是像上面那样简单的了,那么我们需要使用EBM ,最关键的就是在用于训练的Loss function 的设计上了。EBM和传统神经网络的差异就在于此了。
相关文章推荐
- 用于图片文本识别的pytesser3的安装说明(windows10)
- Opencv 图像结构分析与形状识别—— drawContours函数用于绘制和填充
- 学习迁移架构用于Scalable图像的识别
- 用于海洋搜救的多片DSP图像处理识别系统的实现
- 卷积神经网络用于图像识别
- 用于图片文本识别的Tesseract-OCR的安装说明(windows10)
- 我是如何快速拿下datacastle图像识别竞赛“猫狗大战”冠军的 | 含全代码和详细说明
- 图像直方图均衡化次数不同,结果相同简要说明
- 图像识别初探
- 图像处理和图像识别中常用的…
- Python 3.6 版本 Pytesseract 图像验证码识别 PyCharm 报错FileNotFoundError
- 图像识别中的深度学习
- zhcon使用简要说明
- MDSF:架构工具简要功能说明
- android系统开发 AP 和 BP 简要说明
- 《cv中文参考手册-图像轮廓处理-结构分析与形状识别-获取各个对象的质心》HuMoments
- 图像识别api 比对图片并返回识别结果
- [置顶] (有趣小程序) Java OCR 图像识别
- 1、整理一下看过的图像识别的文章(人脸、车牌、验证码)
- 图像旋转原理说明-视频处理基础(2)