- 博客(4)
- 收藏
- 关注
RSS订阅原创 转置卷积到FCN
我们可以看到如果步幅为s，填充为s/2（假设s/2是整数）且卷积核的高和宽为2s，转置卷积核会将输入的高和宽分别放大s倍。现在介绍一下FCN，这个网络相比之下比较简单，会给人一种，你来你也行的感觉，但这个网络15年确实在语义分割方面有很好的效果，为之后奠定了基础。网络架构：图片经过一个卷积神经网络的处理，然后是一个1×1的卷积层，之后是一个转置卷积层，最后便可以实现像素级别的分割。最后来训练一下，效果可以达到0.86左右，原论文中一开始的网络选用的不是resnet18，而是VGG16，可以参考原论文。
2024-01-19 15:45:24
446
1
原创 SSD的实现
第一个函数是用于高宽减半，第二个是基础网络，这里采用的是三个down_sample_blk函数，也可以用残差神经网络等等都可以，这里是为了方便。规定损失和评价函数，cls用的交叉信息熵的损失，bbox用的L1损失，返回的是cls+bbox，也可以给他们加上一个权重。第一个是种类的预测，输出的通道是锚框数×（种类数+1），加1的原因是还有一个背景，就是不属于任何类。第二个是边缘框的预测，期预测需要两个坐标，四个数，所以输出的通道数是锚框数×4。采用的是3×3的卷积块，1填充，这样可以使高宽不变。
2024-01-17 19:36:39
669
原创 优化算法之梯度下降法
代价函数越小，则可以代表我们拟合出来的方程距离真实值最近；代价函数中分母有一个2，是为了，求偏导的时候前面没有系数.我们需要设置一个迭代次数和学习率，这两个值要根据不同的情景居中设置，是一种很好的数值优化算法。由多元微分求导可知梯度所在的方向即为函数值下降最快的方向。4.开始多次迭代并每隔十次弄一个图像。1.先把所需要的库和数据导入。2.对数据进行初始化。
2023-07-25 15:49:38
101
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人