图像神经网络项目积累

1. TensorFlow-Slim

https://github.com/tensorflow/tensorflow/tree/2f47a9124a8ba9b764a835b70d67b88369f2d403/tensorflow/contrib/slim

2. tensorflow detection model zoo

 https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md

3. VGG

https://blog.csdn.net/huangfei711/article/details/80484488

4. 训练好的vgg net在深度学习课程中用来做transfer learning,项目在这里。transfer learning的注意。使用的是flower数据

5. 以kears-yolov3做detector,以Kalman-Filter算法做tracker,进行多人物目标追踪。将model运用到具体应用中。

6. Yolo transfer learning 官方教程 

7. Yolo原理

    物体检测处理成回归问题,特点是unified detection

    Batch Normalization 简单理解为可以避免卷积处理后数据分布差异太大造成的截断误差。在卷积层之后,激活函数之前。

    leaky relu.输入为负处激活函数的输出不是0,简单地relu输出是0.使用leaky relu可以避免relu在数字到达0以下时神经元失去求解梯度功能的情况。

    残差网络(Residual Net):没有残差网络时,神经网络学习的量可能本身是1200,然后再1201,1203变化。 有了残差网络之后可能将1200分成一个1200,然后网络学习的只是-1,0,1这样的变化量,这样的好处是放大了变化,使得网络的变化更为灵敏。这是李宏毅老师解释的。典型例子:ResNet,每隔几层就做一次残差。

   Yolov3框图

   unified detection不是很多步结合的检测,

   

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值