课程四(Convolutional Neural Networks)，第四周（Special applications: Face recognition & Neural style tr _applications

智慧并不产生于学历,而是来自对于知识的终生不懈的追求。这篇文章主要讲述课程四(Convolutional Neural Networks)，第四周（Special applications: Face recognition & Neural style tr相关的知识，希望能为你提供帮助。

文章图片

文章图片

【解释】
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).
上述选项错误的原因：
1、plus 1的解释错误：
将某人的照片放进卷积神经网络中，使用softmax单元来输出种类，或者说标签，分别对应这些不同的人，或者不是这些人中的任何一个，所以softmax里我们会有比人的种类再多一种的输出。但实际上这样效果并不好，因为如此小的训练集不足以去训练一个稳健的神经网络。
2、for the final “not in database” class 表述错误
在一次学习问题中，只能通过一个样本进行学习，以能够认出同一个人。大多数人脸识别系统都需要解决这个问题，因为在你的数据库中每个雇员或者组员可能都只有一张照片，而不是没有这个人的照片

文章图片

文章图片

【课程四(Convolutional Neural Networks)，第四周（Special applications: Face recognition & Neural style tr】【解释】
给定一个内容图像C，给定一个风格图片S，而目标是生成一个新图片G。为了实现神经风格迁移，要做的是定义一个关于G的代价函数J用来评判某个生成图像的好坏，我们将使用梯度下降法去最小化J(G)，以便于生成这个图像。而不是简单的输入两张图片，然后训练网络来生成新的合成图片。