图像识别
gukedream
人不能像走兽那样活着,应该追求知识和美德。
展开
-
DenseNet:比ResNet更优的CNN模型
前言在计算机视觉领域,卷积神经网络(CNN)已经成为最主流的方法,比如最近的GoogLenet,VGG-19,Incepetion等模型。CNN史上的一个里程碑事件是ResNet模型的出现,ResNet可以训练出更深的CNN模型,从而实现更高的准确度。ResNet模型的核心是通过建立前面层与后面层之间的“短路连接”(shortcuts,skip connection),这有助于训练过程中梯度的...转载 2019-02-12 14:35:56 · 1538 阅读 · 0 评论 -
1×1 卷积核的作用
一、来源:[1312.4400] Network In Network (如果1×1卷积核接在普通的卷积层后面,配合激活函数,即可实现network in network的结构)二、应用:GoogleNet中的Inception、ResNet中的残差模块三、作用:1、降维(减少参数)例子1 : GoogleNet中的3a模块输入的feature map是28×28×1921...原创 2019-02-12 15:42:35 · 1112 阅读 · 0 评论 -
特征提取与图像描述符[HOG、LBP、Haar]
(一)HOG特征1、HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合 SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+SVM进行行人检测的方法是法国研究人员...原创 2019-02-12 21:13:28 · 1840 阅读 · 0 评论 -
SURF特征提取算法详解
上一节我们已经介绍了SIFT算法,SIFT算法对旋转、尺度缩放、亮度变化等保持不变性,对视角变换、仿射变化、噪声也保持一定程度的稳定性,是一种非常优秀的局部特征描述算法。但是其实时性相对不高。SURF(Speeded Up Robust Features)算法改进了特征了提取和描述方式,用一种更为高效的方式完成特征点的提取和描述。一 使用快速Hessian算法和SURF来提取和检测特征...转载 2019-02-13 00:20:00 · 11314 阅读 · 3 评论 -
softmax的特征分布会呈放射状的原因
为直观了解softmax loss,在mnist数据集上训练了一个lenet模型作为例子。先将特征维降低到2,并画了10w个训练样本的2维特征在平面上,如图2所示。从图中可以看到,如果使用欧式距离作为度量方式,则f2与f1之间的距离比f2到f3的近很多,达不到好的效果。而同时可以看到,对于这些特征以角度进行划分的效果会比欧式距离和内积要好,所以之前很多都会采用余弦相似度作为度量方法...原创 2019-03-01 09:43:24 · 1629 阅读 · 0 评论