- 博客(4)
- 收藏
- 关注
RSS订阅
原创 白话解读Faster RCNN论文
白话解读Faster RCNN论文 背景介绍 Faster RCNN是在Fast RCNN上做出的优化，是由RBG和何凯明大神共同研发的，这是他们的第一次合作，当时何凯明还是微软亚洲研究员，RBG也是微软的研究院。对于与何恺明的合作，RBG大神表示非常满意，至少对美国和北京之间的时差很满意。他说俩人加一起，每天可以高效工作24小时。之后RBG跳槽到了Facebook。而何恺明，在微软亚洲研究院和导师孙剑一起，完成了后来甚至被称为图像识别算法顶峰的ResNet。第二年，何恺明也加入了Facebook，搬到了
2020-06-04 14:55:53
375
原创 白话解读fast RCNN论文
fast RCNN论文笔记 背景介绍 RBG大神14年创作出RCNN之后，仿佛打开了潘多拉魔盒，一年之后又创作出了fast PCNN和faster RCNN，这里先介绍前者。fast RCNN更像是一篇业内的学术battle(同年首先由另一大神何凯明的SPPnet对RCNN率先做出了优化，之后RBG在SPP的思想下又做出了改进即fast RCNN)。 论文特点有以下几个方面，第一是速度上的提升，将VGG16的pool5这一层换为ROI pool(借鉴的SPP层)，再也不用将一张图的2000个候选框都进入
2020-06-01 21:07:59
396
原创 RCNN论文阅读笔记
RCNN论文笔记 1.背景介绍 作者简介 R-CNN是由 Ross Girshick (RBG 大神)，集技与术与一身的男人，2014年提出R-CNN，是将CNN用于目标检测实现工业化的第一人，大大提升了mPA，随后的Fast-RCNN、Faster-RCNN等也出自大神之手，据说不仅算法的设计，并且Code也由他完成。在近几年的ICCV这样的计算机视觉顶级会议的论文中，经常可以看到这位大神的名字。 论文特点 其一，之前最经典的目标检测算法是使用滑窗法来确定目标(如FCN)，缺点多多速度慢效果也一般等等，
2020-05-30 14:40:27
1112
原创 K-Means欠采样处理不平衡样本python实现
K-Means欠采样python实现 1. K-Means欠采样原理 为解决分类问题中效果受样本集类间不平衡，并提高训练样本的多样性，可以使用K-Means欠采样对样本进行平衡处理。该方法利用K-means方法对大类样本聚类，形成与小类样本个数相同的簇类数，从每个簇中随机抽取单个样本与风险样本形成平衡样本集。K-means欠采样过程如下： Step1：随机初始化k个聚类中心，分别为uj(1,2,…...
2020-04-19 22:53:47
4208
3
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