2021-01-06 14:37:51

new/master-cv-tf-2x/4.md

@@ -66,7 +66,7 @@ CNN 的图像过滤和处理方法包括执行多种操作，所有这些操作
 
 ![](img/fc5f1a96-b2c9-4318-8352-a2daea8a7234.png)
 
-上图显示了如何使用`3 x 3`过滤器（边缘检测器）在宽度减小和深度增加（从 3 到 32）方面转换`3 x 3`图像的图形的一部分。 内核（`f[i]`）中 27 个（3 x 3 x 3）单元中的每一个都乘以输入（`A[i]`）。 然后，将这些值与**整流线性单元**（**ReLU**）激活函数（`b[i]`）相加在一起 单个元素（`Z`），如以下等式所示：
+上图显示了如何使用`3 x 3`过滤器（边缘检测器）在宽度减小和深度增加（从 3 到 32）方面转换`3 x 3`图像的图形的一部分。 内核（`f[i]`）中 27 个（`3 x 3 x 3`）单元中的每一个都乘以输入（`A[i]`）。 然后，将这些值与**整流线性单元**（**ReLU**）激活函数（`b[i]`）相加在一起 单个元素（`Z`），如以下等式所示：
 
 ![](img/f7b861f9-ab93-4a27-aecc-567fe346bf5e.png)
 
@@ -92,7 +92,7 @@ CNN 的图像过滤和处理方法包括执行多种操作，所有这些操作
 
 `1 x 1`卷积在所有 128 个通道中与`5 x 5`输入层执行逐元素乘法–将其在深度维度上求和，并应用 ReLU 激活函数在`5 x 5`中创建单个点 输出表示 128 的输入深度。本质上，通过使用这种机制（卷积+整个深度的和），它会将三维体积折叠为具有相同宽度和高度的二维数组。 然后，它应用 32 个过滤器以创建`5 x 5 x 32`输出，如前所示。 这是有关 CNN 的基本概念，因此请花一些时间来确保您理解这一点。
 
-本书将使用`1 x 1`卷积。 稍后，您将了解到池化会减小宽度，而`1 x 1`卷积会保留宽度，但可以根据需要收缩或扩展深度。 例如，您将看到在网络和 Inception 层中使用了`1 x 1`卷积（在“第 5 章”，“神经网络架构和模型”中。具有 1 的 32 过滤器） x 1 的卷积可以在 TensorFlow 中表示为`.tf.keras.layers.Conv2D(32, (1,1))`。
+本书将使用`1 x 1`卷积。 稍后，您将了解到池化会减小宽度，而`1 x 1`卷积会保留宽度，但可以根据需要收缩或扩展深度。 例如，您将看到在网络和 Inception 层中使用了`1 x 1`卷积（在“第 5 章”，“神经网络架构和模型”中。具有`1 x 1`的 32 过滤器）  的卷积可以在 TensorFlow 中表示为`.tf.keras.layers.Conv2D(32, (1,1))`。
 
 # 汇集
 
@@ -111,7 +111,7 @@ CNN 的图像过滤和处理方法包括执行多种操作，所有这些操作
 
 填充用于保留要素图的大小。 通过卷积，可能会发生两个问题，并且填充会同时解决两个问题：
 
-*   每次卷积操作时，要素图的大小都会缩小。 例如，在上图中，由于卷积，一个`7 x 7`的特征图缩小为 5 x 5。
+*   每次卷积操作时，要素图的大小都会缩小。 例如，在上图中，由于卷积，一个`7 x 7`的特征图缩小为`5 x 5`。
 *   由于边缘上的像素仅更改一次，因此边缘上的信息会丢失，而中间的像素会通过多次卷积操作进行多次更改。
 
 下图显示了在`7 x 7`输入图像上使用大小为 1 的填充操作：
@@ -124,8 +124,8 @@ CNN 的图像过滤和处理方法包括执行多种操作，所有这些操作
 
 通常，在卷积中，我们将内核移动一步，对那一步应用卷积，依此类推。 大步走使我们可以跳过一步。 让我们来看看：
 
-*   当步幅= 1 时，我们应用普通卷积而不跳过。
-*   当步幅= 2 时，我们跳过一步。 这会将图像大小从`7 x 7`减小到 3 x 3（请参见下图）：
+*   当步幅为 1 时，我们应用普通卷积而不跳过。
+*   当步幅为 2 时，我们跳过一步。 这会将图像大小从`7 x 7`减小到`3 x 3`（请参见下图）：
 
 ![](img/ed163e12-13c1-4242-896a-74314f8aec91.png)
 
@@ -175,7 +175,7 @@ CNN 的图像过滤和处理方法包括执行多种操作，所有这些操作
 
 # 退出
 
-丢弃是一种特殊的正则化类型，指的是忽略神经网络中的神经元。 具有 dropout = 0.2 的全连接层意味着仅 80% 的全连接神经元连接到下一层。 在当前步骤中神经元被丢弃，但在下一步中处于活动状态。 丢失可防止网络依赖少量神经元，从而防止过拟合。 丢弃应用于输入神经元，但不应用于输出神经元。 下图显示了带有和不带有丢弃的神经网络：
+丢弃是一种特殊的正则化类型，指的是忽略神经网络中的神经元。 具有`dropout = 0.2`的全连接层意味着仅 80% 的全连接神经元连接到下一层。 在当前步骤中神经元被丢弃，但在下一步中处于活动状态。 丢失可防止网络依赖少量神经元，从而防止过拟合。 丢弃应用于输入神经元，但不应用于输出神经元。 下图显示了带有和不带有丢弃的神经网络：
 
 ![](img/8e09cd34-3cbf-4f87-a064-15c5710e0303.png)
 
@@ -193,7 +193,7 @@ CNN 的图像过滤和处理方法包括执行多种操作，所有这些操作
 
 ![](img/9f7bea49-6361-4095-b359-0cea59b897c5.png)
 
-当应用批量归一化时，我们在大小为`m`的整个迷你批量中计算均值（`μ`）和方差（`σ`）。 然后，利用这些信息，我们计算归一化的输入。 微型批量的输出计算为比例（`γ`）乘以归一化输入，再加上偏移量（`β`）。 在 TensorFlow 中，这可以表示如下。 除方差ε外，所有术语均在上图中进行了解释，方差ε是归一化输入计算中的`ε`项，以避免被零除：
+当应用批量归一化时，我们在大小为`m`的整个迷你批量中计算均值（`μ`）和方差（`σ`）。 然后，利用这些信息，我们计算归一化的输入。 微型批量的输出计算为比例（`γ`）乘以归一化输入，再加上偏移量（`β`）。 在 TensorFlow 中，这可以表示如下。 除方差`ε`外，所有术语均在上图中进行了解释，方差`ε`是归一化输入计算中的`ε`项，以避免被零除：
 
 ```py
 tf.nn.batch_normalization(x,mean,variance,offset,scale,variance_epsilon,name=None)
@@ -273,7 +273,7 @@ Epoch 1/5
 
 # 迭代 1 – CNN 参数调整
 
-删除一个 Conv2D 64 和一个 Conv2D 128，以使 CNN 仅具有一个 Conv2D 64 和一个 Conv2D 128：
+删除一个`Conv2D` 64 和一个`Conv2D` 128，以使 CNN 仅具有一个`Conv2D` 64 和一个`Conv2D` 128：
 
 ```py
 Epoch 1/5
@@ -288,13 +288,13 @@ Epoch 1/5
  256/256 [========================] - 65s 256ms/step - loss: 1.1919 - acc: 0.5483
 ```
 
-结果：放下 Conv2D 层不会对性能产生不利影响，但也不能使其更好。
+结果：放下`Conv2D`层不会对性能产生不利影响，但也不能使其更好。
 
 接下来，我们将保留我们在此处所做的更改，但是我们会将平均池转换为最大池。
 
 # 迭代 2 – CNN 参数调整
 
-删除一台 Conv2D 64 和一台 Conv2D 128，以使 CNN 仅具有一台 Conv2D 64 和一台 Conv2D 128。 另外，将平均池转换为最大池，如下所示：
+删除一台`Conv2D` 64 和一台`Conv2D` 128，以使 CNN 仅具有一台`Conv2D` 64 和一台`Conv2D` 128。 另外，将平均池转换为最大池，如下所示：
 
 ```py
 Epoch 1/5
@@ -311,11 +311,11 @@ Epoch 1/5
 
 结果：同样，此更改对准确率没有明显影响。
 
-接下来，我们将大大减少隐藏层的数量。 我们将更改输入层，并完全删除第二个 Conv2D 和关联的池。 在第一个 Conv2D 之后，我们将直接移至第三个 Conv2D。
+接下来，我们将大大减少隐藏层的数量。 我们将更改输入层，并完全删除第二个`Conv2D`和关联的池。 在第一个`Conv2D`之后，我们将直接移至第三个`Conv2D`。
 
 # 迭代 3 – CNN 参数调整
 
-第二个卷积层完全掉落； 输入层从`5 x 5`更改为 3 x 3：
+第二个卷积层完全掉落； 输入层从`5 x 5`更改为`3 x 3`：
 
 ```py
 model.add(Conv2D(64, (3, 3), activation='relu', input_shape=(48,48,1)))
@@ -347,9 +347,9 @@ Epoch 1/5
 
 # 迭代 4 – CNN 参数调整
 
-在此迭代中，所有参数均与上一个迭代中的参数相同，除了`strides = 2`，它在第一个 Conv2D 之后添加。
+在此迭代中，所有参数均与上一个迭代中的参数相同，除了`strides = 2`，它在第一个`Conv2D`之后添加。
 
-接下来，我们将所有内容保持不变，但是在第一个 Conv2D 之后添加一个池化层：
+接下来，我们将所有内容保持不变，但是在第一个`Conv2D`之后添加一个池化层：
 
 ```py
 model.add(Conv2D(64, (3, 3), activation='relu', input_shape=(48,48,1)))
@@ -377,7 +377,7 @@ Epoch 1/5
 
 从这个实验中，我们可以得出以下有关 CNN 参数优化的结论：
 
-*   减少 Conv2D 的数量并以`stride = 2`消除一个合并层具有最显着的效果，因为它提高了准确率（大约 30%）。 但是，这是以速度为代价的，因为 CNN 的大小没有减小。
+*   减少`Conv2D`的数量并以`stride = 2`消除一个合并层具有最显着的效果，因为它提高了准确率（大约 30%）。 但是，这是以速度为代价的，因为 CNN 的大小没有减小。
 *   合并类型（平均合并与最大合并）对测试准确率的影响不明显。
 
 产生最高准确率的 CNN 架构如下：

new/master-cv-tf-2x/5.md

@@ -31,7 +31,7 @@ CNN 模型根据前五位错误率对错误率进行分类，前五位错误率
 AlexNet 的基本思想总结如下：
 
 *   它包含 8 个学习层-5 个卷积层和 3 个全连接层。
-*   它使用大型内核过滤器-第一层有 96 个大小为`11 x 11`的过滤器，第二层有 256 个大小为`11 x 11`的过滤器，第三层和第四层有 384 个大小为`11 x 11`的过滤器，以及 256 个大小为 3 的过滤器 x 5 在第五层。
+*   它使用大型内核过滤器-第一层有 96 个大小为`11 x 11`的过滤器，第二层有 256 个大小为`11 x 11`的过滤器，第三层和第四层有 384 个大小为`11 x 11`的过滤器，以及第五层有 256 个大小为`3 x 5`的过滤器。
 *   ReLU 激活层在每个卷积和全连接层之后应用。 它的训练比 Tanh 快得多。
 *   丢弃正则化应用于第一和第二全连接层。
 *   两种数据增强技术可减少过拟合：
@@ -196,7 +196,7 @@ model.compile(loss = 'categorical_crossentropy',
 
 VGG16 的基本思想总结如下：
 
-*   过滤器的最大尺寸为 3 x 3，最小尺寸为 1 x1。这意味着与 AlexNet 的较大过滤器尺寸和较小的数量相比，使用较小的过滤器尺寸和较大的数量。 与 AlexNet 相比，这减少了参数。
+*   过滤器的最大尺寸为`3 x 3`，最小尺寸为`1 x 1`。这意味着与 AlexNet 的较大过滤器尺寸和较小的数量相比，使用较小的过滤器尺寸和较大的数量。 与 AlexNet 相比，这减少了参数。
 *   对于`3 x 3`卷积层，卷积步幅为 1，填充为 1。 最大合并在跨度为 2 的`3 x 3`窗口上执行。
 *   使用了三个非线性 ReLU 函数，而不是每一层中的一个，这通过减少消失梯度问题并使网络能够深入学习，使决策函数更具判别力。 在这里深入学习意味着学习复杂的形状，例如边缘，特征，边界等。
 *   参数总数为 1.38 亿。
@@ -307,7 +307,7 @@ VOC 代表[视觉对象类](http://host.robots.ox.ac.uk/pascal/VOC)，而 PASCAL
 
 # 基于聚类的细分
 
-`K`-means 是一种无监督的机器学习技术，它基于质心将相似的数据分为几组。`K`-均值聚类算法的关键步骤概述如下：
+K-means 是一种无监督的机器学习技术，它基于质心将相似的数据分为几组。K 均值聚类算法的关键步骤概述如下：
 
 1.  选择`K`数据点作为任意位置的簇的初始数目。
 2.  找到每个聚类质心和每个像素之间的距离，并将其分配给最近的聚类。
@@ -338,7 +338,7 @@ VOC 代表[视觉对象类](http://host.robots.ox.ac.uk/pascal/VOC)，而 PASCAL
 
 # 特征提取
 
-特征提取是将相似特征（例如边，角和线）分组为特征向量。 特征向量将图像的维数从 227 x 227（〜51,529）降低到 4,096。 每个区域提议，无论其大小如何，都首先通过膨胀和翘曲将其转换为`227 x 227`的大小。 这是必需的，因为 AlexNet 的输入图像大小为 227 x227。使用 AlexNet 从每个区域提取 4,096 个特征向量。 特征矩阵为 4,096 x 2,000，因为每个图像都有 2,000 个区域提议。
+特征提取是将相似特征（例如边，角和线）分组为特征向量。 特征向量将图像的维数从`227 x 227`（约 51,529）降低到 4,096。 每个区域提议，无论其大小如何，都首先通过膨胀和翘曲将其转换为`227 x 227`的大小。 这是必需的，因为 AlexNet 的输入图像大小为`227 x 227`。使用 AlexNet 从每个区域提取 4,096 个特征向量。 特征矩阵为`4,096 x 2,000`，因为每个图像都有 2,000 个区域提议。
 
 原则上，只要修改输入图像的大小以适合网络的图像大小，R-CNN 可以采用任何 CNN 模型（例如 AlexNet，ResNet，Inception 或 VGG）作为输入。 R-CNN 的作者比较了 AlexNet 和 VGG16 作为 R-CNN 的输入，发现 VGG16 的准确率高 8%，但比 AlexNet 的准确率高 7 倍。
 
@@ -399,15 +399,15 @@ R-CNN 和 Fast R-CNN 都依赖于选择性搜索方法来开发 2,000 个区域
 通过遵循以下列表中概述的技术，可以获得上图中所示的高精度：
 
 *   在两个网络之间共享卷积层：RPN 用于区域提议，快速 R-CNN 用于检测。
-*   对于更快的 R-CNN，输入图像大小为 1,000 x 600。
+*   对于更快的 R-CNN，输入图像大小为`1,000 x 600`。
 *   通过在卷积特征图输出上滑动大小为`60 x 40`的小窗口来生成 RPN。
-*   每个滑动窗口都映射到 9 个锚点框（3 个比例，框区域分别为 128、256 和 512 像素，而 3 个比例为 1：1、1：2 和 2：1）。
+*   每个滑动窗口都映射到 9 个锚点框（3 个比例，框区域分别为 128、256 和 512 像素，而 3 个比例为`1:1`、`1:2`和`2:1`）。
 *   每个锚框都映射到一个区域提议。
 *   每个滑动窗口都映射到 ZF 的 256-D 特征向量和 VGG 网络的 512-D 特征向量。
 *   然后将此向量输入到两个全连接层中-框回归层和框分类层。
-*   区域提议总数为 21,500（60 x 40 x 9）。
+*   区域提议总数为 21,500（`60 x 40 x 9`）。
 
-为了训练 RPN，基于与训练数据重叠的**交并比**（**IoU**）为每个锚定框分配一个二进制类别标签。 IoU 用于测量对象检测的准确率。 在“第 7 章”，“使用 YOLO 的对象检测”中详细描述。 现在，您已经足够知道 IoU 是以两个边界框之间的重叠面积与其联合面积之比来衡量的。 这意味着 IOU = 1，这意味着两个完整的边界框重叠，因此您只能看到一个，而当 IoU = 0 时，这意味着两个边界框彼此完全分开。
+为了训练 RPN，基于与训练数据重叠的**交并比**（**IoU**）为每个锚定框分配一个二进制类别标签。 IoU 用于测量对象检测的准确率。 在“第 7 章”，“使用 YOLO 的对象检测”中详细描述。 现在，您已经足够知道 IoU 是以两个边界框之间的重叠面积与其联合面积之比来衡量的。 这意味着`IOU = 1`，这意味着两个完整的边界框重叠，因此您只能看到一个，而当`IoU = 0`时，这意味着两个边界框彼此完全分开。
 
 二进制类级别具有正样本和负样本，它们具有以下属性：
 
@@ -432,8 +432,8 @@ R-CNN 和 Fast R-CNN 都依赖于选择性搜索方法来开发 2,000 个区域
 | 变形为固定大小 | 从区域提议中，每个区域都将变形为固定大小，以输入到 CNN。 | 使用 RoI 池化层中的最大池化，将区域提议扭曲为固定大小的正方形。 | 使用 RoI 池化层将区域提议扭曲为固定大小的正方形。 |
 | 特征提取 | 每次将每个图像固定大小的 2K 变形区域提议送入 CNN。 | 2K 扭曲区域被馈送到两个分支，每个分支都包含一个全连接层。 | 2K 扭曲区域被馈送到全连接层。 |
 | 侦测 | CNN 的输出传递到 SVM，以分类到边界框回归器以生成边界框。 | 全连接层的一个输出传递到 softmax 层进行分类，另一个输出传递到包围盒回归器以生成包围盒。 | 全连接层的一个输出传递到 softmax 层进行分类，另一个输出传递到包围盒回归器以生成包围盒。 |
-| CNN 类型 | 亚历克斯网 | VGG 16 | ZFNet 或 VGGNet。 ZFNet 是 AlexNet 的修改版本。 |
-| 区域提议 | 选择性搜索用于生成约 2,000 个区域提议。 | 选择性搜索用于生成约 2,000 个区域提议。 | CNN 用于生成〜21,500 个区域提议（〜60 x 40 x 9）。 |
+| CNN 类型 | AlexNet | VGG 16 | ZFNet 或 VGGNet。 ZFNet 是 AlexNet 的修改版本。 |
+| 区域提议 | 选择性搜索用于生成约 2,000 个区域提议。 | 选择性搜索用于生成约 2,000 个区域提议。 | CNN 用于生成约 21,500 个区域提议（`60 x 40 x 9`）。 |
 | 卷积运算 | 每个图像进行 2K 次卷积操作。 | 每个图像进行一次卷积操作。 | 每个图像进行一次卷积操作。 |
 | 区域提议和检测 | 区域提议和检测是分离的。 | 区域提议和检测是分离的。 | 区域提议和检测是耦合的。 |
 | 训练时间 | 84 小时 | 9 小时 | 150 小时 |
@@ -458,7 +458,7 @@ GAN 算法的分步说明如下：
 2.  判别器网络是一个二进制分类器。 它获取真实图像和人造图像，并生成创建人造图像的概率`P(Z)`。
 3.  判别器将概率信息提供给生成器，生成器使用该信息来改进其对图像`G`（`z`）的预测。
 
-二进制分类器损失函数称为交叉熵损失函数，并表示为-（y log（p）+（1-y）log（1-p）），其中`p`是概率，`y`是期望值。
+二进制分类器损失函数称为交叉熵损失函数，并表示为`-ylog(p) - (1 - y)log(1 - p)`，其中`p`是概率，`y`是期望值。
 
 *   **判别器目标函数**：