i c al to

c la s s
Fro m
de e p

Ibon Merino Bermejo

Ín di ce
● Visión clasica ● Ejemplos prácticos
● Fundamentos Deep learning – Ejemplo función sencilla
– Estructura general – Clasificación
– Capas – Serie temporal
● Densa – Visión
● Convolucional ● 2D
● Activación ● 3D
● Pooling ● Pointcloud
– Loss
2
05/31/22
 l a si c a
s i ón c
Vi
● Preprocesar imagen
● Extraer características
● Clasificación de las características
● Matching de las caracteristicas del
modelo a las de la escena.
● Postprocesamiento:
– Refinamiento pose
– Verificación de hipotesis
3
05/31/22
 s D e ep
m en t o
Fu n d a
o d el
ta m ie nt l.
p o r r o n a

“ e l co m d n eu
u la o→ r e
● Si m rv i o s u na
a n e g a
sistem e p l e a r n i n
m á s d e
d e e

”
a m o s a l t i e n d e
● L la m ll a c u n o e s
u r o n a q u e
red ne pa oculta (
a
una c o salida)
a
e n t ra d 4
05/31/22
 D eep
en t os
n dam
Fu

nf=n1 * w1 + n2 * w2 (+ bf)

5
05/31/22
 D eep
en t os
n dam
Fu

Capas
densas

6
05/31/22
 D eep
en t os
n dam
Fu

Capas
convolucionales

7
05/31/22
 D eep
en t os
n dam
Fu

Funciones de
activación

8
05/31/22
 D eep
en t os
n dam Sigmoid
Fu TanH

Softmax

ReLU
Funciones de
activación Swish

Leaky ReLU

9
05/31/22