CV中常见的单词(持续更新中...)

本文最后更新于:4 hours ago

这段时间在学习计算机视觉相关的知识,我导虽然是网安学院的,但研究方向是人机交互方向,所以以后大概就和机器学习打交道了。我主要研究可能是和CV相关,这里就介绍一下CV相关的论文中一些常见的单词和概念。

单词

Parametric Approach:参数方法
Linear Classifier:线性分类器
Hard-Code:硬编码
Algorithm:算法
Data-Driven:数据驱动
Optimization:优化
Dataset:数据集
Classifier:分类器
Hyperparameters:超参数
Validation:验证集
Loss Function:损失函数
Multiclass SVM(Support Vector Machine) loss:多类支持向量机损失
Softmax:归一化指数
Regularization:正则化
Unnormalized:非归一化
Partial Derivatives:偏导数
Gradient:梯度
Stochastic Gradient Descent(SGD):随机梯度下降
ConvNets/Convolutional Neural Network:卷积神经网络
Backpropagation:反向传播
Neural Networks:神经网络
N-layer Neural Net=(N-1-hidden-layer Neural Net):两层神经网络=一层隐藏神经网络
Fully Connected Layer:全连接层
Convolution Layer:卷积层
Pooling Layer:池化层
Computational Graphs:计算图
Activation functions:激活函数
Data Preprocessing:数据预处理
Weight Initialization:权重初始化
Batch Normalization:批归一化
Overfit:过拟合
Cross-validation:交叉验证
Saddle Points:鞍点
Momentum:动量
AdaGrad/Adaptive Gradient:自适应梯度算法

概念

Softmax:给定一系列类别,softmax可以给出某输入被划分到各个类别的概率分布。
Iteration:表示1次迭代,每次迭代更新1次网络结构的参数;
Batch-size:1次迭代所使用的样本量;
Epoch:1个epoch表示过了1遍训练集中的所有样本。


本博客所有文章除特别声明外,均采用 CC BY-SA 4.0 协议 ,转载请注明出处!