![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
源码解析
jiongnima
这个作者很懒,什么都没留下…
展开
-
干货!caffe源码深入学习9:caffe框架神经网络反传代码解析(三)之contrastive_loss_layer源码解析
本篇博客是Caffe深度学习梯度反传代码解析的第3篇。从本篇博客开始,在对Caffe框架中的反传代码进行解析时,笔者将解析更复杂的实现代码,比如包含可训练参数的层与复杂求导过程的层。本片博客解析了对比损失层,即contrastive_loss_layer,对比损失是在人脸验证,图像检索中使用的非常广泛的一个层。希望给大家带来收获,欢迎阅读与分享!原创 2019-10-13 14:57:11 · 571 阅读 · 0 评论 -
详细的Faster R-CNN源码解析之RPN源码解析
本篇博文逐行讲解了Faster R-CNN中的RPN代码。向大家讲解了RPN中的难点:如何生成anchor,如何对anchor进行前景背景的判断,如何为anchor找到坐标变换值。良心干货,欢迎阅读与分享~原创 2018-04-02 22:08:09 · 18283 阅读 · 34 评论 -
详细的Faster R-CNN源码解析之ROI-Pooling逐行代码解析
在笔者的上一篇博客中,解析了Faster R-CNN中的RPN代码,在本篇博客中,笔者详细地解析一下ROI-Pooling代码。为大家讲解2015年Fast R-CNN的核心贡献(ROI Pooling被Faster R-CNN沿用)ROI Pooling的实现原理。(笔者其实一年半之前就看过这个代码,只是当时没有写到博客上,感慨.jpg) 在代码解析正式开始之前,笔者声明几点:1. 本...原创 2018-04-20 19:45:56 · 12863 阅读 · 12 评论 -
详细的Faster R-CNN源码解析之proposal_layer和proposal_target_layer源码解析
在笔者之前的解析RPN和ROI-Pooling的博客中,已经给大家详细解析了目标检测Faster R-CNN框架中的两大核心部件。纵观整个Faster R-CNN代码,比较难和经典的部分除了上述两大模块,还有根据RPN输出的前景分数选择出roi和为选择出的roi置ground truth类别和坐标变换的代码。在本篇博客中,笔者就这两部分代码为大家做出解析。 首先是如何选择出合适的rois...原创 2018-05-28 15:50:28 · 15517 阅读 · 13 评论 -
深度学习计算机视觉图像分割领域指标mIoU(平均交并比)计算代码与逐行解析
深度学习计算机视觉图像分割领域指标mIoU(平均交并比)计算代码与逐行解析mIoU相关mIoU计算代码与逐行解析注意事项mIoU相关在计算机视觉深度学习图像分割领域中,mIoU值是一个衡量图像分割精度的重要指标。mIoU可解释为平均交并比,即在每个类别上计算IoU值(即真正样本数量/(真正样本数量+假负样本数量+假正样本数量))。在本篇博客中,笔者本想详细地列举计算公式,但是看到kangdk博...原创 2018-12-03 10:34:55 · 61725 阅读 · 64 评论 -
TensorFlow框架下的残差网络(ResNet)逐行代码解析,以及如何在finetune时调节输出特征的尺度
TensorFlow框架下的残差网络(ResNet)逐行代码解析,以及如何在finetune时调节输出特征的尺度TensorFlow残差网络代码解析与输出特征尺度调节ResNet代码解析功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释...原创 2019-01-10 21:47:16 · 7559 阅读 · 8 评论 -
重启caffe源码深入学习7:caffe框架深度神经网络反传代码解析(一)之ReLU层源码解析
近年来,TensorFlow和PyTorch等安装简洁,使用灵活,不需要构造反传代码的深度学习框架越来越多地走进了深度学习研究者的视野,为大家提供了很多便捷。不过同时,也造就了很多**调包侠**,调包侠们既编程能力有限,也不明了底层原理,仅仅知道调包解决问题,脱离深度学习框架之后无法解决深层次的深度学习问题。因此,笔者重重启caffe源码解析博客,为大家分享深度学习底层实现相关干货!原创 2019-10-03 23:53:51 · 562 阅读 · 1 评论 -
caffe源码深入学习4:支持魔改的layer:layer.hpp与layer.cpp
到caffe源码深入学习3为止,我们解析了caffe底层的数据相关代码,了解了caffe这个深度学习框架中数据的存储与流通实现细节,那么,从本篇博客开始,笔者将开始解析更高层的代码,首先解析的是caffe中构成深度神经网络的网络层layer,在使用caffe架构的程序员眼中,各种layer就像一块一块的积木一般,可以通过搭建,拼接成各种各样好看的玩具城堡,同时,这些积木本身还支持各种魔改,在...原创 2017-02-20 21:26:08 · 1872 阅读 · 1 评论 -
caffe源码深入学习8:caffe框架深度神经网络反传代码解析(二)之pooling层源码解析
caffe源码深入学习8:caffe框架深度神经网络反传代码解析(二)之pooling层源码解析写在前面池化层源码及注释池化层源码解析最大池化平均池化写在前面在上一篇博客,即重启caffe源码深入学习7中,笔者从最简单的激活层开始,进行了caffe源码的解析,尤其讲述了梯度反传的部分。在本篇博客中,笔者将解析另一个基础层的源码,即池化层,池化层与激活层类似,其中不包含任何可训练参数。caffe...原创 2019-10-07 21:23:22 · 1446 阅读 · 0 评论