深度学习基础
文章平均质量分 72
admin``
这个作者很懒,什么都没留下…
展开
-
深度学习优化技巧--label smoothing
本文都是根据以下链接所得,方便个人知识整理,详情请见原文链接:https://blog.csdn.net/neveer/article/details/91646657在分类问题中,常对类别的标签进行one-hot处理,但是one-hot存在如下的问题:无法保证模型的泛化能力,容易造成过拟合...转载 2021-03-31 22:48:41 · 370 阅读 · 0 评论 -
【数据增强】MixUp算法
概述论文链接mixup可以将不同的图像进行混合,从而扩充训练数据集,以下分别从图片和label的角度,介绍经过mixup操作后,数据和label的变化。1、混合后的图片就是将两张图片对应的元素按一定的比例进行相加:mix_img = w*img1 + (1-w)*img22、新生成的图片对应的label对于新生成的图片,分类和检测的处理方法时不一样的。(1)分类:以下是原论文给出的计算公式。示例:可以假设网络预测有三类,[猫,狗,猪]:图像xi为猫,对应的标签yi为[1, 0, 0]原创 2021-03-31 17:09:47 · 2263 阅读 · 0 评论 -
卷积操作,特征图尺寸大小、感受野、参数量的计算过程
1、卷积操作后输出特征图的尺寸大小如下图所示,卷积核在输入图像进行滑动操作,每滑动一次,计算一次,获取一个值,该值为卷积核提取的当前区域的特征值。在水平方向上,从左侧开始滑动,滑动的距离为(Input_s - Filter_s),设滑动步长为Stride,那么滑动的次数为 (Input_s - Filter_s) / Stride未滑动之前,卷积核已经在蓝色位置提取了一个值所以,在水平方向上的获得的特征图尺寸为 (Input_s - Filter_s)/ Stride + 1因此下图卷积操作原创 2021-03-16 14:44:30 · 5263 阅读 · 0 评论