![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
fu18946764506
这个作者很懒,什么都没留下…
展开
-
Unet网络
近期利用遥感影像进行路网提取,利用Unet网络进行图像分割介绍如下:U-net网络非常简单,前半部分作用是特征提取,后半部分是上采样。在一些文献中也把这样的结构叫做编码器-解码器结构。由于此网络整体结构类似于大写的英文字母U,故得名U-net。U-net与其他常见的分割网络有一点非常不同的地方:U-net采用了完全不同的特征融合方式:拼接,U-net采用将特征在channel维度拼接...转载 2019-04-13 10:27:41 · 2868 阅读 · 0 评论 -
使用Tensorboard查看训练过程
import tensorflow as tfimport numpy as np#输入数据x_data = np.linspace(-1,1,300)[:, np.newaxis]noise = np.random.normal(0,0.05, x_data.shape)y_data = np.square(x_data)-0.5+noise#输入层with tf.name_...转载 2019-04-11 09:11:37 · 1663 阅读 · 0 评论 -
RGB三维数据卷积的运算
在上一讲中,我们对卷积神经网络中的卷积操作进行了详细的解读,但仅仅是对二维图像,即通道数为 1 的图像(灰度图)进行了卷积,对于三维或者更高维的图像卷积显然并没有这么简单。 如果图像大小为6*6*3,那么这里的 3 指的是三个颜色通道,你可以将其理解为 3 个6*6的图像的堆叠,如果要对此图像进行卷积的话,我们的滤波器也需要变成三维的,假设采用一个3*3*3的滤波器对其进行...转载 2019-03-05 15:51:25 · 11332 阅读 · 9 评论 -
第十八节,TensorFlow中使用批量归一化(BN)
https://www.cnblogs.com/zyly/p/8996070.html在深度学习章节里,已经介绍了批量归一化的概念,详情请点击这里:第九节,改善深层神经网络:超参数调试、正则化以优化(下) 神经网络在进行训练时,主要是用来学习数据的分布规律,如果数据的训练部分和测试部分分布不一样,那么网络的泛化能力会变得非常差.而且对于训练的数据,每批分布也是不一样的,那么网络在迭代的...转载 2019-01-10 17:02:26 · 1171 阅读 · 0 评论 -
使用keras版本的Mask-RCNN来训练自己的数据集,tensorflow的安装指令制作方法超简单
环境情况:window7 x64,cuda9,cudnn7,pycharm这个整理了网上很多的资料,并且进行代码修改后,得出的制作自己的训练数据很方便的的方法。整体的代码在GitHub:https://github.com/yangdashi88/Mask_RCNN-master--TrainOwerDatset 记得给个星,你的星就是我的动力。一、运行环境的安装:1、下载好...转载 2018-11-28 19:02:09 · 749 阅读 · 0 评论 -
Keras/Tensorflow+python+yolo3训练自己的数据集
代码:https://github.com/qqwweee/keras-yolo3修改yolov3.cfg文件:https://blog.csdn.net/lilai619/article/details/79695109写文章不易,转载请表明本文出处:https://blog.csdn.net/Patrick_Lxc/article/details/80615433本文介绍如何制作数...转载 2018-11-28 18:51:40 · 2371 阅读 · 1 评论 -
Faster R-CNN - 目标检测详解
Faster R-CNN - 目标检测详解[原文 - Faster R-CNN: Down the rabbit hole of modern object detection]学习别人对于 Faster R-CNN 的理解,结合自己的理解,以掌握忽略的点.Object detection: an overview in the age of Deep Learning 已经对基于...转载 2018-11-28 18:49:52 · 343 阅读 · 0 评论 -
YOLOv2、v3使用K-means聚类计算anchor boxes的具体方法
k-means需要有数据,中心点个数是需要人为指定的,位置可以随机初始化,但是还需要度量到聚类中心的距离。这里怎么度量这个距离是很关键的。距离度量如果使用标准的欧氏距离,大盒子会比小盒子产生更多的错误。例。因此这里使用其他的距离度量公式。聚类的目的是anchor boxes和临近的ground truth有更大的IOU值,这和anchor box的尺寸没有直接关系。自定义的距离度量公式:到聚类...转载 2019-04-24 08:46:19 · 5823 阅读 · 3 评论