深度学习
文章平均质量分 87
Biyoner
Major in Computer Vision.
Keep learning.
展开
-
图像语义分割综述(semantic segmentation) 中篇
本文主要分析了主流的几种框架及其发展历程。同样参考了以下几篇文章。https://www.jeremyjordan.me/semantic-segmentation/http://blog.qure.ai/notes/semantic-segmentation-deep-learning-reviewhttp://www.myzaker.com/article/5968490c1bc...翻译 2020-07-07 21:41:55 · 2056 阅读 · 1 评论 -
【面试基础--关键点检测】深度学习关键点检测方法发展概述
参考:https://blog.csdn.net/sigai_csdn/article/details/80650411https://blog.csdn.net/Anymake_ren/article/details/819782601. 导言 人体骨骼关键点对于描述人体姿态,预测人体行为至关重要。因此人体骨骼关键点检测是诸多计算机视觉任务的基础,例如动作分类,异常行为...转载 2019-05-27 11:44:27 · 7828 阅读 · 0 评论 -
【面试基础--分类网络】inception系列(v1,v2,v3,v4)
主要参考:https://www.cnblogs.com/yifdu25/p/8542740.html1. inception v1paper: Going Deeper with convolutions(*) code:https://github.com/loveplay1983/inception/blob/master/inception.py(keras)...原创 2019-05-06 00:20:37 · 4360 阅读 · 1 评论 -
【paper】ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks
本文发表于ECCV 2018 Workshop。主要针对SRGAN做的一个改进,在网络结构、对抗损失以及感知损失上分别进行了改动,在效果上有一定的提升。0. 概述 基于生成对抗网络的图像超分辨率模型SRGAN能够生成更多的纹理细节。然而,它恢复出来的纹理往往不够自然,也常伴随着一些噪声。 为了进一步增强图像超分辨率的视觉效果,本文深入研究并改...原创 2019-04-28 16:19:03 · 1701 阅读 · 0 评论 -
【面试基础--深度学习】感受野
感受野是卷积神经网络中比较重要的概念,看到了很好的一篇博文,结合这两篇文章,并加上自己的感悟吧!https://www.jianshu.com/p/2b968e7a1715https://zhuanlan.zhihu.com/p/28492837 1. 举例示意 e.g.两层 3*3 卷积操作的有效区域(感受野)是5*5 (所有filter的stri...原创 2019-04-01 15:39:29 · 1319 阅读 · 2 评论 -
【面试基础--深度学习】卷积及其代码实现
PS.代码部分参考了这篇文章,对代码做了整合 :https://www.jianshu.com/p/abb7d9b82e2a 理论部分主要参考了花书。 从底层开始复习。在常见的面试中,难免会问及卷积网络,因而这里第二部分主要回顾一下卷积的基础知识。以及如果不幸遇到手写卷积代码时,可以有个准备。1. 卷积神经网络的基础概念 卷积神经网络是一种...原创 2019-03-31 19:16:53 · 7968 阅读 · 5 评论 -
计算机视觉中的attention
首先,本文从计算机视觉领域介绍attention机制,主要是在图像上的应用,会从总体motivation,具体的文章,以及相应的代码实现进行描述。 本文背景部分,大量参考了 https://mp.weixin.qq.com/s/KKlmYOduXWqR74W03Kl-9A, 特此感谢。一、背景1.1 直观理解 引用一下示例,从感知上理解一下...原创 2019-02-19 00:27:00 · 9190 阅读 · 2 评论 -
【深度学习基础3】神经网络基础--深度神经网络DNN
转载请注明出处。谢谢。 本博文根据 coursera 吴恩达 深度学习整理。作为理解神经网络的基础。 本章主要基于前两章的要点,进行了进一步深化,主要难点在实现上,因而简单分析一下知识点,重点整理实践部分。 一、知识点 1. 深度神经网络表示 其中,layer表示层次,从0开始计数,每一层的神经元个数用 n 来表示。 对于第 ...原创 2018-12-11 21:27:09 · 988 阅读 · 1 评论 -
【深度学习基础2】神经网络基础--浅层神经网络
转载请注明出处。谢谢。 本博文根据 coursera 吴恩达 深度学习整理。作为理解神经网络的基础。 本章主要内容分为两个部分,第一理解浅层网络中的前向和后向传播规则,尤其要注意其中的标注规范;第二了解到实现的细节,包括激活函数的选择以及权重初始化等更为工程化的内容。 一、知识点1. 单个隐藏层的神经网络 ...原创 2018-12-10 22:35:52 · 796 阅读 · 0 评论 -
【深度学习基础6】深度神经网络的优化与调参(3)
转载请注明出处。谢谢。 本博文根据 coursera 吴恩达 Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization整理。作为深度学习网络优化的记录,将三章内容均以要点的形式记录,并结合实例说明。 序号接前。 Q10. Batch...原创 2018-12-16 20:53:49 · 563 阅读 · 0 评论 -
【深度学习基础5】深度神经网络的优化与调参(2)
转载请注明出处。谢谢。 本博文根据 coursera 吴恩达 Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization整理。作为深度学习网络优化的记录,将三章内容均以要点的形式记录,并结合实例说明。 这一章的重点在于理解几个优化函数,虽然在深度学习的框...原创 2018-12-16 15:18:23 · 462 阅读 · 0 评论 -
【深度学习基础1】神经网络基础--逻辑回归
转载请注明出处。谢谢。本博文根据 coursera 吴恩达 深度学习整理。作为理解神经网络的基础。一、知识点 深度学习本质上是对数据的一种拟合。使用非线性的函数集合作为模型,对样本对进行损失最小的模拟。首先理解单个神经元的作用和原理,可以从最简单的逻辑回归开始。1) 首先,我们进行符号表示的说明:样本对:,训练样本共m个,x表示样本,y表示分类结果。其中, x有...原创 2018-12-10 13:27:53 · 612 阅读 · 0 评论 -
【深度学习基础4】深度神经网络的优化与调参(1)
转载请注明出处。谢谢。 本博文根据 coursera 吴恩达 Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization整理。作为深度学习网络优化的记录,将三章内容均以要点的形式记录,并结合实例说明。Q1. 数据设计(数据集该怎么分割) 常规来说,...原创 2018-12-15 19:08:38 · 912 阅读 · 0 评论 -
医学图像分割常用的损失函数
本文主要介绍医学图像中常用的损失函数,包括cross entropy, generalized dice coefiicients, focal loss 等。 一、cross entropy 交叉熵 图像分割中最常用的损失函数是逐像素交叉熵损失。该损失函数分别检查每个像素,将类预测(深度方向的像素向量)与我们的热编码目标向量进行比较。 由此可见,...原创 2018-12-03 17:41:44 · 32057 阅读 · 17 评论 -
图像语义分割综述(semantic segmentation) 上篇
本文对图像语义分割近年来的主要发展做一个综述性的介绍。翻译了以下两篇博文,并进行了整合。https://www.jeremyjordan.me/semantic-segmentation/ http://blog.qure.ai/notes/semantic-segmentation-deep-learning-review语义分割的定义语义分割是计算机视觉中十分重要的领域,它是...翻译 2018-09-10 21:33:56 · 29448 阅读 · 4 评论 -
FCN 相关细节
备注:图片来源https://blog.csdn.net/gyh_420/article/details/78570415内容参考在文中已经引出,不过多赘述。概念一:receptive fieldsLocations in higher layers correspond to the locations in the image they are path-connec...原创 2020-07-07 21:37:50 · 377 阅读 · 0 评论