2018年10月_holmes_MX

原创深度学习目标检测——faster R-CNN 原理理解（自己绘制流程图帮助理解）

0. 写作目的好记性不如烂笔头。1. 框架的理解faster R-CNN = RPN + fast R-CNN1.1 RPN的理解网络的组成：（这里只是给出一个网络的整体流程，可能与faster R-CNN论文的参数不同）注意：上图可能与论文中的图不同，论文中的图是这样的。论文也给出了解释，理解上——对于每一个sliding window 通过3 * 3的卷积输出5...

2018-10-25 16:25:51 3017

原创 python numpy函数的使用（updating）

0.写作目的好记性不如烂笔头。1. numpy 中的 axis的理解以三维tensor为例：numpy.sum( tensor, axis ) numpy.mean( tensor, axis)其中axis = -1是对最里面的一个维度操作。如numpy.sum( tensor, axis = -1 )，即对第2维度进行操作，即对channel进行相加。实例为：im...

2018-10-24 21:28:18 223

原创 python 中opencv, PIL, skimage, scipy matplotlib中的细节说明

0. 写作目的好记性不如烂笔头。、1. 有关size返回的说明tensorflow中需要的tensor类型为：（N, H, W, C）其中N是batch 大小，H是height， W是width，C是通道的数目。PIL中 pil_img.size 函数返回的是 tuple类型的(width, height)，如果怕出错，可以pil_img.width 或者pil_img.hei...

2018-10-24 20:51:53 389

原创如何理解目标检测中的SSD

0. 写作目的好记性不如烂笔头。1. SSD1.1 网络的框架下面的第一个4表示的是4个default box（与faster R-CNN 和YOLO不同，这里是中心坐标加上宽高），其中： classifer是通过3 * 3 * （4 * （classes + 4））的卷积实现的，得到结果即是检测的结果，然后将不同feature map的检测结果放在一起。先过滤掉confi...

2018-10-19 20:43:52 490

原创深度学习目标检测（一）——YOLOV2论文细节理解

0. 写作目的好记性不如烂笔头。说实话，YOLO的论文真心难明白，文献[2]中解释的很到位。1. Better与Fast R-CNN相比，YOLOv1 的错误分析显示：YOLOv1有较低的召回率和回归框的错误。因此YOLOv2目的在于保持分类精度的同时，提高召回率和回归框的精度。保持运行速度快的特点。YOLOv2没有通过放大YOLOv1的网络（基于GoogleNet）去提高精度，采...

2018-10-11 11:37:41 1541

原创 tensorflow学习之——从保存的权重中使用tensorboard查看网络

0. 写作目的好记性不如烂笔头。1. tensorboard模型保存说明采用tf.train.Saver保存的模型，主要文件有：1) checkpoint : 用于记录训练过程中保存的各模型，在第一行会保存最新的模型的路径: model.ckpt2) model.ckpt.meta：为保存的Graph,即网络3) model.ckpt.index : 为string-s...

2018-10-09 22:05:34 2152

原创 one-shot learning && GAN的资料汇集

0. 写作目的好记性不如烂笔头。1. one shot learning 1. VALSE2018 有关One-shot-learning 的报告：https://www.jiqizhixin.com/articles/2018-06-20-13有关one-shot-learning的博客：1) http://chuansong.me/n/2131635951225 ...

2018-10-09 17:33:07 1357

原创深度学习图像分类（二）——VGG论文理解

0. 写作目的好记性不如烂笔头。这里只是笔者记录的过程，如果读者有时间的话，建议看英文论文。1. 网络结构1.1 为什么采用更小的卷积主要思想是：将卷积核换成卷积核较小的。例如： 5 * 5 的卷积的视野与 2个 3 * 3 的卷积视野相同。7 * 7 的卷积视野与 3 个 3 * 3 的卷积视野相同。以1层 7 * 7的卷积换成 3层3 * 3的卷积为例进行说明：i)...

2018-10-09 13:51:47 5216

holmes_MX的博客