Dlyldxwl的博客

mobilenNet系列出自Goole，shuffleNet系列出自Face++，这两个公司的文章都是值得反复去揣摩的，去思考这些网络背后设计的出发点和设计的原则，而不是单纯停留在仅仅读懂网络结构而已。当然本文均为笔者自身理解，读者觉得有不妥当的地方，欢迎讨论。为了方便，以下简记mobileNet为m，shuffleNet为s。MobileNetm v1是直筒状结构，xception使...

最近花了几天时间把deeplab系列撸了一遍，直观感受是不如当初看RCNN系列来的激动啊......像RPN这种划时代的改变没有看到--直奔主题。Deeplab v1&v2paper：deeplab v1&& deeplab v2远古版本的deeplab系列，就像RCNN一样，其实了解了后面的v3和v3+就可以不太管这些了（个人拙见）。但是为了完整性和连贯性...

BN可以说是NN发展中的一个里程碑式的结构了，不增加inference时间，调参变得简单，收敛更快效果更好。虽然提出的时间已经很久了，而且网上关于BN的解释一堆一堆的，但是博主觉得有不少解释是欠妥的，在此贴出博主贴出对caffe中BN源码的解释和自己对BN的理解，欢迎讨论。caffe中BN的实现比较反人类。BatchNorm层单纯实现标准化，再用一个scale层添加  参数，共同完成BN。...

2018.06.03 Python代码生成prototxt如下代码生成peleenet.prototxt。Python文件和deploy文件的github 链接. 求个小心心 --#coding: utf-8#by Chen yhtran_channel = 32 #growth_rateclass Genpelee(): def __init__(s...

趁着有空去看了一波valse，和很多论文的作者当面讨论了一些问题，在此主要记录对一些paper的见解。1. FishNet: A Versatile Backbone for Image, Region, and Pixel Level Prediction根据欧阳万里老师介绍，这篇文章起初的motivation是希望将hourglass结构引入到分类网络中，看有没有效果，实验表明没...