- 博客(10)
- 收藏
- 关注
RSS订阅原创 学习笔记（十）Faster R-CNN论文
*ROl pooling ：**负责收集proposal 并且计算proposal feature maps ，两个输入（最开始CNN提取的初始feature map 和RPN刚刚生成的Proposal）因为全连接成需要一致的输入特征，这里的proposal大小不同，传统的crop即裁剪会损失完整的结构信息，wrap会破坏图像原始形状，所以使用Rol poling。（4）这样处理后，即使大小不同的proposal输出结果都是pooled_w x pooled_h固定大小，实现了固定长度输出。
2023-10-25 13:23:48
40
1
原创 学习笔记 (九) Fast R-CNN论文
再将池化后的向量拉长，并且作为F层的输入，同时输出两个值，一为softmax（即每一类的概率），二为bounding box 回归（即R-CNN中的预测框）最后对输出的得分矩阵使用非极大抑制方法选出少数框，对每一个框选择概率最大的类作为标注的类，根据网络结构的第二个输出，选择对应类下的位置和大小对图像进行标注。然后把一整张图片放入到卷积网络中进行特征提取（此处和R-CNN不同，R-CNN是将2k个候选框中的图像放入其中），获得其特征图，析：主要解决了R-CNN的一些问题。所谈对象：Fast R-CNN。
2023-10-20 20:35:55
47
1
原创 学习笔记（八）R-CNN
对于在图片中定位目标，本文采用在候选区域识别的方法，步骤：首先在输入图片上生成大约2000个与目标类别无关的候选区域，然后在每一个候选区域上用CNN提取出固定长度的特征向量，我们用仿射变换从每一个候选区域中计算固定大小 CNN，而不管候选区域的大小，最后用线性SVM对每一个候选区域进行分类。本文的第二个贡献是首先在辅助数据集（ILSVRC）上用有监督的预训练，然后用特定领域的小数据集（PASCAL）进行微调，当数据量很少的时候，这种方式可以有效地训练高精度的CNN。②用少量的带标签数据集来训练模型。
2023-10-16 21:21:53
48
1
原创 学习笔记（七）A Comprehensive Study of Deep Video Action Recognition综述笔记
零样本动作识别：它的目标是将学习到的知识转移到以前未见过的类别中，它们大多遵循一个标准的框架，即首先使用预先训练好的网络从视频中提取视觉特征，然后训练一个联合模型，将视觉嵌入映射到语义嵌入空间。基于轨迹的方法：TDD(一种基于轨迹约束的汇集算法，将深层卷积特征聚合成有效的描述符,轨迹被定义为在时间维度中跟踪像素的路径)、将独立子空间分析(ISA)和密集轨迹结合到标准的双流网络中，展示了数据无关和数据驱动两种方法的互补性。这里，I帧是原始RGB视频帧，P帧和B帧包括用于存储差值的运动矢量和残差。
2023-10-15 21:48:19
77
1
原创 学习笔记（六）A Comprehensive Study of Deep Video Action Recognition综述笔记
文章思路：介绍视频动作识别——解析17个关于数据集——主要挑战——从手工制作的特征到CNN——使用双流网络——3DCNN——高效的视频建模方法——Miscellaneous 杂项（轨迹、秩池化、压缩视频、帧剪辑采样、视频节奏）——模型的评估方案和具体数据集比较——未来方向（数据增强、视频域自适应DA、神经结构搜索、发展基于2D卷积的高效网络体系结构、新数据集、视频的对抗训练、零样本动作识别、弱监督视频动作识别、自我为中心的行为识别、多模态、自监督视频表示学习）对象：视频的动作识别。
2023-10-13 21:33:35
100
原创 学习笔记（四）
把test部分的代码敲了一下，对其中的思路还是更加清晰，近似于昨日的train部分，但是不要忘记要使其不做梯度运算（即不做计算图）记：今日以上课为主【英语写作、数值、机器学习】、单词背了、准备在每日英语任务中加入二十分钟口语、浅学深度学习。接昨天的代码总结，然后看综述。
2023-10-10 21:00:19
36
原创 学习笔记(三)——菜鸟，勿嘲
第一种（分不同文件）训练函数：1、进入训练状态 2、可以设置指令函数，tqdm(，) 3、定义损失函数和梯度优化函数（此处放在训练函数内）4、用for循环计算，for step, data in enumerate(）: 5、梯度清零——训练——计损——反向传播——更新——统计。代码两种不同的写法，但总结来说还是离不开几大步骤：准备数据集（预处理，导入（知道不同数据的路径，返回），完成网络模型的架构（有些预训练模型可以直接引用），定义损失函数，如何训练，最后是main。
2023-10-09 21:42:26
36
1
原创 个人笔记---深度学习方向研究生
（定位视频中的存在行为动作的视频段+分类）localization+recognition。②边界不明确（不同于动作识别，动作检测需要精确的动作区间检测，边界的不确定导致mpa偏低）主要思路：Temporal Proposal提取，然后进行分类和回归。研究难点：①时序信息（基本使用RNN读入+CNN提取或者C3D）③时间跨度大，一个行为的时间不等，提取proposal艰难。action detection(行为（动作）检测)技术原理：类似与目标检测，均需要先定位目标，然后识别。
2023-10-06 19:47:15
49
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