卷积

我们今天来训练一个模型识别 102 种花的种类，给定一个花的照片，可以识别出花名。 数据集包含 7370 幅花的图片，下面是一些示例： 我们把数据集分为下列三部分： 这里对 Training 的数据，采用了四种增广方式，比例分别为： 这里的网络我们采用一个预训练网络 ResNet-152 模型，但是我们只保留卷积层的权重，最后的分类器要替换成一个输出 102 类的全连接网络，这里的全连接网络我们有三层，输入层 2048，隐藏层 1000，输出层 102。网络示意图如下： 这里经过多次尝试后，我们决定最后选取 Adagrad 优化器，来保证训练效果最好

4月29日下午，应数学与计算机科学学院邀请，日本神奈川大学张善俊教授来我校讲学，为师生作题为“AI与计算机视觉”的专题讲座。 张善俊教结合计算机和人工智能AI的发展历史及演变进程，详细阐述了卷积神经网络技术在相关领域的应用及优势以及如何利用深度学习方法来进行图像去噪、图像补全等方面的处理技术。讲座中张教授通过互动与现场师生们交流了如何利用小波变换方法对图像进行学习，图像数据集的来源，利用图像反转、压缩等技术得到的图像集是否可靠等人工智能与图像处理方面的前沿研究知识及问题

目前的神经网络中，每一层的神经元都做的是类似的事情，比如一个卷积层内的每个神经元都做的是一样的卷积操作。而 Hinton 坚信，不同的神经元完全可以关注不同的实体或者属性，比如在一开始就有不同的神经元关注不同的类别（而不是到最后才有归一化分类）。具体来说，有的神经元关注位置、有的关注尺寸、有的关注方向

黄韶辉，中国科学院生物物理研究所交叉科学所重点实验室研究员，博士生导师。1998年获得美国堪萨斯大学的生物化学、细胞和分子生物学博士学位。1998-2001在康乃尔大学应用和工程物理学院开展博士后研究，开发多光子显微镜和荧光相关光谱技术在生物学研究中的应用

二、讲座时间： 2022年7月8日上午10：30—12：00 唐振华，博士，副教授，硕士研究生导师。2009年毕业于华中科技大学并获得信息与通信工程博士学位，2018年1月至今任广西大学计算机与电子信息学院通信工程系主任，任广西通信学会第七届和第八届理事，广西电子学会高级专家。已主持完成国家自然科学基金项目1项，主持完成和在研广西自然科学基金项目3项，主持完成和在研广西高等教育本科教学改革工程项目2项

经典卷积网络的输入一般都是224*224，我们在使用迁移学习的时候，要考虑自己的图片大小，如果我们的图片太小，不能硬搬网络，需要自己利用经典的结构设计适合自己的网络。 总之要遵循这样一个原则： 最后一层特征图的大小一般是7*7左右，最大不会超过9*9，最小不能小于3*3。对于一个网络，最后一个卷积层的输出大小是最重要的

视频与视觉技术国家工程研究中心NATIONAL ENGINEERING RESEARCH CENTER OF VISUAL TECHNOLOGY 合作是一种普遍存在的现象，从病毒、细菌、变形虫到昆虫、社会动物、人类。如何让智能体学会合作对于一些应用来说至关重要，例如，自动驾驶，交通灯控制，多摄像头协同监控，多机器人控制等等。本研究组的主要研究内容是多智能体学习算法与边缘智能系统，致力于让多智能体系统实现像人类一样的合作

本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等“为什么”的问题

时间：11月30日(周五)14：30 李松，浙江大学求是特聘教授，博士生导师，研究方向包括；压缩感知理论、低秩矩阵恢复理论、相位恢复理论以及双线性反问题（如：盲卷积重构问题）。代表性工作曾获得教育部自然科学二等奖（排名1）。主持国家自然科学基金重点项目与面上项目等5项基金项目，浙江省重大科技专项的基金项目，曾担任国家自然科学基金委重点项目与面上项目评审会评专家

理论上来说，所有的传递函数都可以写成如下的形式： 。其中 为我们需要的滤波器， 为全通滤波器（ap 为 All Pass缩写）， 就是我们需要计算求出的最小相位滤波器。 为了得到最小的相位滤波器函数，具体的做法就是把 这个滤波器的零点（英语为Zero，德语 Nullstelle）放到单位圆（Unit Circle）里面