- 博客(5)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 【论文阅读】【AlexNet】【dropout】ImageNet Classification with Deep Convolutional Neural Networks
一、这是AlexNet,虽然是很多年前的网络了，但是在今天依然有着举足轻重的地位！特别是其中的思想，非常关键！二、主要思想 1、采用了非饱和神经元（通过Relu-非饱和非线性函数） 2、多GPU拆分计算 3、在全连接层采用了Dropout来降低overfitting 4、利用了LRN（local response nor...
2019-06-25 20:25:22
793
原创 【论文阅读】Deep Residual Learning for Image Recognition 【ResNet】
一、论文来自于凯明大哥的团队，这也是近几年来大多数计算机视觉任务，网络baseline的基础二、核心思想 1、如何个去构建更深层的网络，因为之前的一些工作证明了，网络层次的加深有助于提高模型的性能。但是随着层级的加深，让网络的训练变得更加困难。主要表现在“梯度消失”、“退化问题”。 *针对梯度消失问题：主要会阻碍网络的收敛，这个问题的解决办...
2019-06-21 15:39:53
464
3
原创 【CNN感受野计算】python 示例含盖 vgg alexnet rtpose等
一、感受野 layer 1 ： kernel size：3*3 stride：1 layer2 ：kernel size：3*3 stride：1 第一层的感受野就是卷积核大小 3*3 ，第二层感受野是5*5 这个也比较好理解，对于第一层计算之后的feature map而言，每一个pixel都对应了layer1的input的3*3大小的区域；...
2019-06-18 16:26:30
704
原创 【论问阅读】VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION
一、 这篇文章，论文写的读起来很舒服，实验做的非常细，以前一直没看，看了之后发现，现在用的很多方法，都是人家玩剩下的。二、主要内容 探索更深的网络、探索小卷积核3x3、探索比对训练与测试三、VGG主要架构 基本上我们只知道VGG有两个模型，16层和19层...
2019-06-18 14:56:18
383
原创 【论文阅读】Does Learning Specific Features for Related Parts Help Human Pose Estimation?
一、CVPR2019二、主要思想 目前几乎所有的pose 网络,针对“单人姿态估计网络”，几乎都是共享全部feature 的。这个的意思从代码上来理解就是，在最后一层 1*1的那个卷积层 一次性输出所有需要预测的 joint，他们的输入都是相同的。 这篇文章的作者，这里这样做是不合理的，并不是所有的关键点都是需要共享 high-level representa...
2019-06-17 16:33:52
1831
8
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人