有三深度學(xué)習(xí)之圖像分割—理論與實(shí)踐
2. 圖像數(shù)據(jù),在實(shí)際應(yīng)用過(guò)程中的處理方法,怎樣做數(shù)據(jù)的預(yù)處理、進(jìn)行數(shù)據(jù)增強(qiáng)等。
3. 時(shí)序信號(hào),將單點(diǎn)的數(shù)據(jù)如何組合成一個(gè)序列,以及對(duì)序列數(shù)據(jù)處理的基本方法。
三、技術(shù)路徑設(shè)計(jì) 針對(duì)具體的場(chǎng)景設(shè)計(jì)特定的神經(jīng)網(wǎng)絡(luò)模型,對(duì)典型數(shù)據(jù)適配的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)介紹。 1.DNN 模型搭建的基本原則
2.CNN 模型中常見的網(wǎng)絡(luò)結(jié)構(gòu),以及參數(shù)分析。
3.RNN 中支持的一些基本算子,如何對(duì)序列數(shù)據(jù)進(jìn)行組織。
標(biāo)簽: