深度學習的高級議題

第1章 捲積網絡 1
1.1 轉置捲積 2
1.1.1 概念 2
1.1.2 運算過程 2
1.1.3 應用場景 5
1.2 空洞捲積 7
1.2.1 概念 7
1.2.2 工作原理 8
1.2.3 應用場景 10
1.3 深度可分離捲積 11
1.3.1 概念 11
1.3.2 工作原理 11
1.3.3 應用場景 15
1.4 三維捲積 15
1.4.1 概念 15
1.4.2 工作原理 16
1.4.3 應用場景 19
第2章 新型結構 20
2.1 殘餘連接 20
2.2 ResNeXt原理及架構 23
2.3 FCN原理及架構 28
2.4 U-Net原理及架構 32
2.5 FPN原理及架構 36
第3章 註意力機制 43
3.1 註意力機制的生物學原理及數學本質 43
3.2 應用於RNN的註意力機制 48
3.3 自註意力的數學支撐：像素間的協方差 53
3.4 自註意力機制的直觀展示及舉例 58
3.5 Transformer中的註意力機制 60
3.6 擠壓激勵網絡 66
3.7 Transformer編碼器代碼 69
3.8 Transformer詞嵌入中融入位置信息 77
第4章 模型壓縮 84
4.1 模型壓縮的必要性及常用方法 84
4.2 修剪深度神經網絡 87
4.3 模型量化 90
4.4 知識蒸餾 96
4.4.1 知識蒸餾的實現步驟 97
4.4.2 軟目標的作用 97
4.4.3 蒸餾“溫度” 100
4.4.4 特徵蒸餾 102
第5章 自監督學習 105
5.1 什麽是自監督學習 105
5.2 Bert中的自監督學習 106
第6章 目標檢測中的高級技巧 110
6.1 特徵融合 110
6.2 DenseNet與ResNet 111
6.3 晚融合及特徵金字塔網絡 115
6.4 YOLOv3中的三級特徵融合 118
6.5 通過多尺度特徵圖跳過連接改進SSD方法 120
第7章 無監督學習 123
第8章 Transformer高級篇 125
8.1 電腦視覺中的Transformer 125
8.1.1 什麽是ViT 125
8.1.2 ViT詳解 127
8.2 DeiT：以合理的方式訓練ViT 129
8.3 金字塔視覺Transformer 131
8.3.1 PVT整體架構 132
8.3.2 SRA的實現 133
8.3.3 PVT的改進 134
8.4 Swin Transformer：使用“移動窗口”的分層ViT 136
8.5 視覺Transformer的自監督訓練：DINO 140
8.5.1 DINO架構 140
8.5.2 中心化和“教師”網絡權重更新 142
8.5.3 DINO代碼實踐偽碼和效果展示 142
8.6 縮放視覺Transformer 145
8.7 一些有趣的進展 146
8.7.1 替代自註意力機制 147
8.7.2 多尺度視覺Transformer（MViT） 149
8.7.3 完全基於Transformer的視頻理解框架 151
8.7.4 語義分割中的ViT（SegFormer） 152
8.7.5 醫學成像中的ViT 156
第9章 圖神經網絡 160
9.1 圖數據 161
9.1.1 圖像作為圖數據 162
9.1.2 文本作為圖數據 162
9.1.3 天然的圖數據 163
9.2 圖上的預測任務 165
9.3 圖神經網絡構建應用 168
9.3.1 最簡單的GNN 168
9.3.2 通過聚合信息進行GNN預測 169
9.3.3 在圖的各屬性之間傳遞消息 171
9.3.4 學習邊緣表示 172
9.3.5 添加全局表示 172
第10章 元學習 174
10.1 什麽是元學習 174
10.2 機器學習與元學習 175
10.2.1 機器學習簡介 175
10.2.2 元學習簡介 177
10.2.3 機器學習與元學習 181
10.3 模型無關的元學習：MAML 183
10.3.1 MAML簡介 183
10.3.2 MAML特點 183
10.3.3 MAML為什麽能夠起作用 184
參考文獻 186