神经网络与机器学习
XDWX
逆水行舟,不进则退。
展开
-
深度特征融合--add和concat【转载】
文章目录一、如何理解concat和add的方式融合特征二、concat实操三、concat与add实例3.1 Densenet3.2 Feature-Fused SSD: Fast Detection for Small Objects3.3 Scene Classification Based on Two-Stage Deep Feature Fusion3.4 Deep Heterogeneous Feature Fusion for Template-Based Face Recognition一转载 2020-05-16 13:29:01 · 5170 阅读 · 0 评论 -
高低层特征融合【转载】
文章目录1 高低层特征特点2 高低层特征融合方法3 案例3.1 Deep Feature Fusion for VHR(高分辨率图像) Remote Sensing Scene Classification (DCA特征融合方法)3.2 基于神经网络的目标检测论文之目标检测方法:改进的SSD目标检测算法(DensNet)3.3 FPN(feature pyramid networks)3.4 YOLOv3——引入:FPN+多尺度检测 (目标检测)(one-stage)(深度学习)(CVPR 2018)3.5转载 2020-05-16 11:33:51 · 4158 阅读 · 0 评论 -
传统手工特征&&深度特征【转载】
基本概念Hand-crafted:hand-crafted方法就是人工设计的一步步能够说出理由来的方法。End-to-end: 即端到端方法,意思是只有输入端和输出端,当中不需要设计和具体算法,就是一个神经网络。输入原始数据,输出结果即可。特征提取是CV领域核心问题之一(之二自然是分类问题,没有之三~),特征提取从思路上有两大类:一类是手动设计(hand crafted)的方式,一类是纯学习的方式,这两种方式都是在某些生物神经理论的基础下进行的, 不同之处是hand crafted的方式设计的是特征本转载 2020-05-14 00:18:38 · 20308 阅读 · 5 评论 -
one-hot与词袋模型
以下两篇博文来自:1.https://blog.csdn.net/Dorothy_Xue/article/details/846414172.https://www.cnblogs.com/YiXiaoZhou/p/5999357.htmlone-hotone-hot是比较常用的文本特征特征提取的方法。one-hot编码,又称“独热编码”。其实就是用N位状态寄存器编码N个状态,每个状...转载 2019-11-28 11:43:41 · 4277 阅读 · 0 评论 -
AI从入门到放弃:BP神经网络算法推导及代码实现笔记
GitHub文档和代码在此:传送门一. 前言:作为AI入门小白,参考了一些文章,想记点笔记加深印象,发出来是给有需求的童鞋学习共勉,大神轻拍!【毒鸡汤】:算法这东西,读完之后的状态多半是 --> “我是谁,我在哪?” 没事的,吭哧吭哧学总能学会,毕竟还有千千万万个算法等着你。本文货很干,堪比沙哈拉大沙漠,自己挑的文章,含着泪也要读完!二. 科普:生物上的神经元就是接...转载 2019-05-09 01:18:36 · 546 阅读 · 0 评论