2017年03月_Eason.wxd

转载目标检测（八）--Faster R-CNN

转自：www.cnblogs.com/dudumiaomiao/p/6560841.html 略删改R-CNN --> FAST-RCNN --> FASTER-RCNNR-CNN:(1)输入测试图像；(2)利用selective search 算法在图像中从上到下提取2000个左右的Region Proposal；(3)将每个Region Proposal缩放(w...

2017-03-28 16:19:09 18826

转载目标检测（七）--Fast R-CNN

论文出处见：http://arxiv.org/abs/1504.08083转自：blog.csdn.net/xzzppp/article/details/513777711、简介Fast R-CNN将整个图片送入网络时同时将object proposal(这里称为RoI，一张图片中得到约2k个)也送入网络，每一个RoI被Rol pooling layer(相当于一个单层的SPP lay...

2017-03-28 14:19:35 5989

转载目标检测（六）--SPPNet

空间金字塔池化空间金字塔池化层简介：在对图片进行卷积操作的时候，卷积核的大小是不会发生变化的额，反向调节的权重仅仅是数值会发生变化。但是，但是，但是，输入的图片的大小你是否可以控制呢？哈哈，我们的输入图片大小是会发生变化的，这里图片大小的变化并不会在卷积操作和polling操作产生影响，但是会对全连接层的链接产生影响。这篇文章的核心就是解...

2017-03-28 10:51:19 7571

转载目标检测（五）--R-CNN

基于R-CNN的物体检测原文地址：http://blog.csdn.net/hjimce/article/details/50187029作者：hjimce一、相关理论本篇博文主要讲解2014年CVPR上的经典paper：《Rich feature hierarchies for Accurate Object Detection and Segmentation》，这篇文章...

2017-03-28 10:25:01 7746

转载系统学习深度学习（二十五）--CNN调优总结

1.针对CNN优化的总结：Systematic evaluation of CNN advances on the ImageNet使用没有 batchnorm 的 ELU 非线性或者有 batchnorm 的 ReLU。用类似1*1的网络结构预训练RGB数据，能得到更好的效果。使用线性学习率衰退策略。使用平均和最大池化层的和。使用大约 128（0.005）到 256 （0.

2017-03-21 11:30:19 16948 1

Abstract网络不断向更深发展，但是有时候为了得到少量的accuracy的增加，却需要将网络层数翻倍，也会减少feature的reuse，降低训练速度。作者提出了wide residual network，16层的表现就比之前的ResNet效果要好。1 IntroductionResNets因为过深，很多residual block只能提供少量的信息，或者只有少量的block能学到重要的信息。...

2017-03-20 14:50:53 7695

转载系统学习深度学习（二十三）--SqueezeNet

本文讲一下最新由UC Berkeley和Stanford研究人员一起完成的SqueezeNet[1]网络结构和设计思想。SqueezeNet设计目标不是为了得到最佳的CNN识别精度，而是希望简化网络复杂度，同时达到public网络的识别精度。所以SqueezeNet主要是为了降低CNN模型参数数量而设计的。OK，下面直奔主题了。设计原则（1）替换3x3的卷积kernel为1x1的卷积ker

2017-03-20 11:00:26 6737

原创系统学习深度学习（二十二）--CNN经典模型总结

转自：http://www.open-open.com/lib/view/open1473213789568.html参考：http://blog.csdn.net/qq_17754181/article/details/59111864?locationNum=14&fps=1略有删改。LeNet5LeNet5 诞生于 1994 年，是最早的卷积神经网络之一，并且推动了深...

2017-03-17 13:08:33 30211 4

原创系统学习深度学习（二十一）--GoogLeNetV4与Inception-ResNet V1,V2

转载自: http://www.jianshu.com/p/329d2c0cfca9[v4] Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning，top5 error 3.08% 上面那篇论文，主要贡献如下：1、在Inception v3的基础上发明了Inception...

2017-03-16 15:01:38 19436

原创系统学习深度学习（二十）--ResNet,DenseNet,以及残差家族

转自：http://blog.csdn.net/cv_family_z/article/details/50328175CVPR2016https://github.com/KaimingHe/deep-residual-networks这是微软方面的最新研究成果，在第六届ImageNet年度图像识别测试中，微软研究院的计算机图像识别系统在几个类别的测试中获得第一名。本文是解决超深度...

2017-03-15 13:19:15 26437

原创系统学习深度学习（十九）--GoogLeNetV1,V2,V3

转自：http://blog.csdn.net/shuzfan/article/details/50738394参考：http://www.jianshu.com/p/33197e469414同时做了一些补充。本文介绍的是著名的网络结构GoogLeNet及其延伸版本，目的是试图领会其中的思想而不是单纯关注结构。GoogLeNet Incepetion V1这是GoogLeNet...

2017-03-15 10:46:59 23539

转载系统学习深度学习（十八）--NIN模型

转自：http://blog.csdn.net/mounty_fsc/article/details/51746111《Network in Network》论文笔记1.综述这篇文章有两个很重要的观点：1×1卷积的使用文中提出使用mlpconv网络层替代传统的convolution层。mlp层实际上是卷积加传统的mlp（多层感知器），因为convolution是线

2017-03-14 13:00:39 11930 1

转载系统学习深度学习（十七）--VGG模型

原文：http://blog.csdn.net/u014114990/article/details/50715548最近在看imagenet ILSVRC2015 比赛结果，除了 msra 的深度残差神经网络外，采用最多的还是 googlenet和VGG这两种网络模型，优化方法上更多的使用了batch nomalization,prelu等，大多团队都是这两个模型上改进，采用新的优化方法

2017-03-09 16:46:52 15067 1

转载系统学习深度学习（十六）--Overfeat

转自：http://blog.csdn.net/whiteinblue/article/details/43374195本文是纽约大学Yann LeCun团队中Pierre Sermanet ，David Eigen和张翔等在13年撰写的一篇论文，本文改进了Alex-net，并用图像缩放和滑窗方法在test数据集上测试网络；提出了一种图像定位的方法；最后通过一个卷积网络来同时进行分类，定位和检

2017-03-09 10:59:49 12346 2

转载系统学习深度学习（十五）--AlexNet译文

转自：http://www.aichengxu.com/other/2557713.htmhttp://blog.csdn.net/maweifei/article/details/53117830本深度学习网络是Alex和Hinton参加ILSVRC2012比赛的卷积网络论文，本网络结构也是开启ImageNet数据集更大，更深CNN的开山之作，本文对CNN的一些改进成为以后CNN网络

2017-03-02 10:17:31 8730

工作笔记