gaotihong的博客

转载 fcn的理解

https://medium.com/nanonets/how-to-do-image-segmentation-using-deep-learning-c673cc5862ef如今，语义分割是计算机视觉领域的关键问题之一。纵观全局，语义分割是为完整场景理解铺平道路的高级任务之一。场景理解作为核心计算机视觉问题的重要性突出表现在越来越多的应用程序通过从图像推断知识而滋养。其中一些应用包括自动驾...

转载 deconv理解

近期在看fcn，提到a natural way to upsample is therefore backwards convolution (sometimes called deconvolution) with an output stride of f. Such an operation is trivial to implement, since it simply reverse...

转载 几篇较新的计算机视觉Self-Attention

https://www.zhihu.com/search?q=Self-Attention&type=content作者：Fisher Yu链接：https://zhuanlan.zhihu.com/p/44031466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。 Attention注意力，起源于Human visual system（HV...

转载 深度学习——分类之ResNet

https://zhuanlan.zhihu.com/p/32781577论文：Deep Residual Learning for Image Recognition作者：Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian SunImageNet Top5错误率： 3.57%主要思想：Residual，残差，名字就体现了，不学绝对值，而学差...

转载 FPN详解

论文题目：Feature Pyramid Networks for Object Detection论文链接：论文链接论文代码：Caffe版本代码链接一、FPN初探1. 图像金字塔图1 图像金字塔图2 高斯金字塔效果如上图所示，这是一个图像金字塔，做CV的你肯定很熟悉，因为在很多的经典算法里面都有它的身影，比如SIFT、HOG等算法。我们常用的是高斯金字塔，所谓的高斯金...

转载 Faster R-CNN 论文阅读记录（二）：细节（最好的）

作者：露秋链接：https://zhuanlan.zhihu.com/p/44612080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。 此文承接《Faster R-CNN 论文阅读记录（一）：概览》。Faster R-CNN 论文是我目前阅读论文里面花费的时间最长的，前前后后差不多花费了一周的时间。被里面的训练细节、anchor 的挑选等困惑，在网上找...

转载 [caffe笔记005]：通过代码理解faster-RCNN中的RPN

https://blog.csdn.net/happyflyy/article/details/54917514[caffe笔记005]：通过代码理解faster-RCNN中的RPN注意：整个RPN完全是笔者自己的理解，可能会有一些理解错误的地方。1. RPN简介RPN是regional proposal networks的缩写，是faster-RCNN结构中的一部分。faster-...

原创 rpn训练和r-cnn的训练比较