- 博客(15)
- 资源 (3)
- 问答 (3)
- 收藏
- 关注
RSS订阅转载 anchor理解
faster rcnn中rpn的anchor，sliding windows，proposals？作者：马塔链接：https://www.zhihu.com/question/42205480/answer/155759667来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 最近也在看这部分内容，将自己的理解和大家分享一下，希望有所帮助。首先我们需...
2018-10-31 16:19:53
1845
转载 权重分布
https://stats.stackexchange.com/questions/198762/understanding-weight-distribution-in-neural-network
2018-10-30 16:08:09
1197
转载 梯度爆炸和梯度消失——引入的误差越来越多，同时有用信息减少，同时想到的了relay BP
这个将是对于用基于梯度优化方法的死结。https://machinelearningmastery.com/exploding-gradients-in-neural-networks/爆炸梯度是一个问题，其中大的误差梯度累积并导致在训练期间对神经网络模型权重的非常大的更新。这会导致您的模型不稳定，无法从您的训练数据中学习。在这篇文章中，您将发现使用深度人工神经网络爆炸梯度的问题。...
2018-10-30 16:02:10
964
转载 权重分布
对于多层网络来说，其权重应该越来越稀疏。作者：小小鱼链接：https://zhuanlan.zhihu.com/p/41631717来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 在机器学习中，经常需要对模型进行正则化，以降低模型对数据的过拟合程度，那么究竟如何理解正则化的影响？本文尝试从可视化的角度来解释其影响。首先，正则化通常分为三种,都是在...
2018-10-30 15:44:55
4666
1
转载 Tensorboard 直方图Summary使用指南
参考文献：https://www.jianshu.com/p/d059ffea9ec0https://blog.csdn.net/u010099080/article/details/77426577https://zhuanlan.zhihu.com/p/37022051主要内容：如何解读Histogram Dashboard的信息用途当你想查看一个tensor在训练过程的...
2018-10-30 15:18:29
712
转载 tensorbord使用
https://www.jianshu.com/p/d059ffea9ec0 什么是 TensorBoardTensorBoard 是 TensorFlow 上一个非常酷的功能，我们都知道神经网络很多时候就像是个黑盒子，里面到底是什么样，是什么样的结构，是怎么训练的，可能很难搞清楚，而 TensorBoard 的作用就是可以把复杂的神经网络训练过程给可视化，可以更好地理解，调试并优化程...
2018-10-30 14:55:13
1237
转载 maskrcnn案例
https://www.jiqizhixin.com/articles/Mask_RCNN-tree-master-samples-balloon
2018-10-29 18:31:07
308
转载 Keras Xception Multi loss 细粒度图像分类
https://www.cnblogs.com/hellocwh/p/7265995.html如果觉得我的工作对你有帮助，就点个star吧关于这是百度举办的一个关于狗的细粒度分类比赛，比赛链接: http://js.baidu.com/框架Keras Tensorflow后端硬件Geforce GTX 1060 6G Intel® Core™ i7-6700 CPU...
2018-10-29 17:26:01
706
转载 [论文笔记]Relay Backpropagation for Effective Learning of Deep Convolutional Neural Networks
问题：1.multi-loss是啥2.两者有啥区别。 摘要： 贡献：提出了一种新的方法，Relay Backpropagation,使得有效信息可以在训练阶段被传播，此方法获得了ILSVRC 2015 Scene Classification 挑战的第一名。一.介绍 随着近年来卷积神经网络CNN的应用，在许多计算机视觉任务中获得了巨大的突破；与此同时...
2018-10-29 17:18:51
346
转载 关于 single crop evaluation 的疑问
关于 single crop evaluation 的疑问之前看到crop的时候，都是理解成对于一个大尺寸的图片，随机剪裁成 crop_size 大小的图片。然而这个 crop evaluated 是什么意思就不懂了。 图来自 inception v3 那个论文。 求大大们解释一下，或者是给出 来源出处，十分感谢~~~~2016-05-12 添加评论分享1 个回复...
2018-10-29 17:13:49
853
原创 关于专利上位概念和下位概念
上位概念不会破坏下位概念的创造性和新颖性。写专利时尽量要求上位，是因为上位的保护范围广，上位概念的技术特征写全面、明确，下位概念就不容易有新颖性，既然新颖性都没有了，更何谈创造性。（但是一般创造性和新颖性是分开讨论的） 重新写吧，感觉上文有一些错误。上位概念，容易形成基础专利。最好的基础专利是别人没有可以绕开的方法。此时如果他人在此基础上继续申请专利，申请下位概念的专利，此时可...
2018-10-11 16:29:53
14591
转载 TensorFlow入门（五）多层 LSTM 通俗易懂版
https://blog.csdn.net/Jerr__y/article/details/61195257@author: huangyongye@creat_date: 2017-03-09前言: 根据我本人学习 TensorFlow 实现 LSTM 的经历，发现网上虽然也有不少教程，其中很多都是根据官方给出的例子，用多层 LSTM 来实现 PTBModel 语言模型，比如：ten...
2018-10-11 10:19:26
3540
1
转载 LSTM入门学习——本质上就是比RNN的隐藏层公式稍微复杂了一点点而已
https://www.cnblogs.com/bonelee/p/7714843.htmlLSTM入门学习摘自：http://blog.csdn.net/hjimce/article/details/51234311下面先给出LSTM的网络结构图：看到网络结构图好像很复杂的样子，其实不然，LSTM的网络结构图无非是为了显示其高大上而已，这其实也是一个稍微比RNN难那么一丁点的...
2018-10-11 10:15:55
3558
转载 解读Squeeze-and-Excitation Networks（SENet）
https://zhuanlan.zhihu.com/p/32702350Squeeze-and-Excitation Networks（SENet）是由自动驾驶公司Momenta在2017年公布的一种全新的图像识别结构，它通过对特征通道间的相关性进行建模，把重要的特征进行强化来提升准确率。这个结构是2017 ILSVR竞赛的冠军，top5的错误率达到了2.251%，比2016年的第一名还要低...
2018-10-09 15:12:28
3380
阅读英语芯片手册的技巧
2013-02-27
stm32启动过程详解
2013-02-27
关于cvWaitKey的工作机理；图像的闪烁问题；CPU下降措施
2015-07-28
VS编写的GMM函数，效率问题
2015-07-28
关于OPENCV 中MOG的问题，关于背景比例阈值的理解。
2015-07-23
TA创建的收藏夹 TA关注的收藏夹
TA关注的人