YOLO2结构 YOLO系列的实现有一个自己的框架叫做draknet，这是一个纯C的框架，无论是YOLO还是YOLO2，在代码实现上都是用darknet，改变的是网络结构的配置文件，首先我们来看一下它

　　R-FCN简介 上面这张图在这个系列文章中都会出现，可以看到，在时间轴上R-FCN并不应该出现在第五篇中，但是R-FCN在内容上是承接Faster R-CNN的，同样是何凯明团队提出，所以在这里把R-

　　Faster R-CNN简介 RBG团队在2015年，与Fast R-CNN同年推出了Faster R-CNN，我们先从头回顾下Object Detection任务中各个网络的发展，首先R-CNN用分

　　SPP-Net简介 在上一篇R-CNN的文章中，详细介绍了R-CNN算法，同时也说明了R-CNN的致命缺陷，超长的训练时间（84h）和测试时间（47s），造成这个问题的主要原因就是重复性的卷积计算，在

　　1、简介 原先写过两篇文章，分别介绍了传统机器学习方法在文本分类上的应用以及CNN原理，然后本篇文章结合两篇论文展开，主要讲述下CNN在文本分类上的应用。前面两部分内容主要是来自两位博主的文章（文章中

　　神经网络的预备知识  为什么要用神经网络？ 特征提取的高效性。 大家可能会疑惑，对于同一个分类任务，我们可以用机器学习的算法来做，为什么要用神经网络呢？大家回顾一下，一个分类任务，我们在用机器学习算法

　　卷积神经网络CNN代码解析 deepLearnToolbox-master是一个深度学习matlab包，里面含有很多机器学习算法，如卷积神经网络CNN，深度信念网络DBN，自动编码AutoE ncod

　　深度学习的具体模型及方法 1、自动编码器（AutoEncoder ） 2、稀疏自动编码器(Sparse AutoEncoder) 3、限制波尔兹曼机（Restricted Boltzmann Mach

　　主要功能：在mnist数据库上做实验，验证工具箱的有效性 算法流程：1）载入训练样本和测试样本  2）设置CNN参数，并进行训练  3）进行检测cnntest() 注意事项：1）由于直接将所有测试样本

　　函数名称：cnnsetup  输入参数：net，待设置的卷积神经网络；x，训练样本；y，训练样本对应标签；  输出参数：net，初始化完成的卷积神经网络  主要功能：对CNN的结构进行初始化 算法流程

　　函数名称：cnnff（） 输入参数：net，神经网络；x，训练数据矩阵； 输出参数：net，训练完成的卷积神经网络 主要功能：使用当前的神经网络对输入的向量进行预测 算法流程：1）将样本打乱，随机选择

　　函数名称：cnnapplygrads（），权值更新函数 输入参数：net，权值待更新的卷积神经网络；opts，神经网络训练的相关参数 输出参数： 算法流程：先更新卷积层的参数，再更新全连接层参数 注意

　　最近研究了几天深度学习的Matlab工具箱代码，发现作者给出的源码中注释实在是少得可怜，为了方便大家阅读，特对代码进行了注释，与大家分享。 　　在阅读Matlab工具箱代码之前，建议大家阅读几篇CNN

　　第一部分 GoogLeNet, 2014年ILSVRC挑战赛冠军,这个model证明了一件事：用更多的卷积，更深的层次可以得到更好的结构。（当然，它并没有证明浅的层次不能达到这样的效果） 通过使用 N

　　作者： 水奈樾   人工智能爱好者 博客专栏：http://www.cnblogs.com/rucwxb/   上世纪科学家们发现了几个视觉神经特点，视神经具有局部感受野，一整张图的识别由多个局部识别