深度学习
雨后阳光cxy
这个作者很懒,什么都没留下…
展开
-
TensorFlow和Keras解决大数据量内存溢出问题
转载:https://blog.csdn.net/leadai/article/details/79999785内存溢出问题是参加kaggle比赛或者做大数据量实验的第一个拦路虎。以前做的练手小项目导致新手产生一个惯性思维——读取训练集图片的时候把所有图读到内存中,然后分批训练。其实这是有问题的,很容易导致OOM。现在内存一般16G,而训练集图片通常是上万张,而且RGB图,还很大,VGG16的图片...转载 2018-04-24 15:39:49 · 778 阅读 · 0 评论 -
TernausNet: U-Net with VGG11 Encoder Pre-Trained on ImageNet for Image Segmentation论文解读
使用预训练权重VGG11改进U-Net代码地址:https://github.com/ternaus/TernausNet在过去几年中,研究者提出了很多图像分割的方法来提高准确率:创造一种 CNN,为一整张输入图像在单个前向传递中生成分割图。其中,最成功的最优方法基于全卷积网络(FCN)。其核心思想是将 CNN 中的全连接层替换成卷积层,成为强大的特征提取器,直接输出空间特征图,而不是全连接层输出...原创 2018-05-03 19:01:59 · 3239 阅读 · 2 评论 -
PyTorch中的Loss Fucntion
转载:http://sshuair.com/2017/10/21/pytorch-loss/PyTorch中的Loss Fucntion 深度学习中的Loss Function有很多,常见的有L1、L2、HingeLoss、CrossEntropy,其最终目的就是计算预测的f(x)f(x) 与真值 yy 之间的差别,而优化器的目的就是minimize这个差值,当loss的值稳定后,便是...转载 2018-06-23 18:26:13 · 13873 阅读 · 0 评论 -
3D Segmentation with Exponential Logarithmic Loss for Highly Unbalanced Object Sizes
3D Segmentation with Exponential Logarithmic Loss for Highly Unbalanced Object Sizes现有大多数的网路只能处理相对较少数量的标签(<10),并且在处理高度不平衡的object尺寸方面的工作非常有限,尤其是在3D分割中。在本文中,我们提出了一种网络架构和相应的损失函数,它们可以改善非常小的结构的分割。1 ...原创 2018-12-22 13:42:52 · 1416 阅读 · 0 评论 -
Tree-structured Kronecker Convolutional Networks for Semantic Segmentation 论文解读
Tree-structured Kronecker Convolutional Networks for Semantic Segmentation原文地址:TKCN收录:AAAI2019代码:PyTorch简介:论文引入了 Kronecker convolution 来解决空洞卷积局部信息丢失问题,除此之外,提出了一个TFA模块,利用树形分层结构进行多尺度与上下文...原创 2019-05-24 22:41:17 · 1689 阅读 · 2 评论