標籤:最小 pre his soft 輸出 識別 神經網路 div 技術
【解釋】
This allows us to learn to predict a person’s identity using a softmax output unit, where the number of classes equals the number of persons in the database plus 1 (for the final “not in database” class).
上述選項錯誤的原因:
1、plus 1的解釋錯誤:
將某人的照片放進卷積神經網路中,使用softmax單元來輸出種類,或者說標籤,分別對應這些不同的人,或者不是這些人中的任何一個,所以softmax裡我們會有比人的種類再多一種的輸出。但實際上這樣效果並不好,因為如此小的訓練集不足以去訓練一個穩健的神經網路。
2、for the final “not in database” class 表述錯誤
在一次學習問題中,只能通過一個樣本進行學習,以能夠認出同一個人。大多數Face Service系統都需要解決這個問題,因為在你的資料庫中每個僱員或者組員可能都只有一張照片,而不是沒有這個人的照片
【解釋】
給定一個內容映像C,給定一個風格圖片S,而目標是產生一個新圖片G。為了實現神經風格遷移,要做的是定義一個關於G的代價函數J用來評判某個產生映像的好壞,我們將使用梯度下降法去最小化J(G),以便於產生這個映像。而不是簡單的輸入兩張圖片,然後 訓練網路來產生新的合成圖片。
【解釋】
輸出的volume的f=(32+2*0-3)/1 + 1 =30 ,有32個filters,所以輸出volume的維度為30*30*30*32
課程四(Convolutional Neural Networks),第四 周(Special applications: Face recognition & Neural style transfer) —— 1.Practice quentions