- 博客(15)
- 收藏
- 关注
RSS订阅原创 YOLO v4 解读
前言我们都知道在深度学习这一领域当中，算法的更新换代是非常频繁的，特别是在CV领域。前短时间在很多人正在对引人注目的YOLO v4算法的解析中，YOLO v5代码也出现了（当然这里只是出现了代码，而且是否能被称之为v5还是引起了很多人的争议的，毕竟它在v4的基础上并没有修改他的backbone网络）。言归正传，虽然YOLO v4出现了一段时间了，但我在网上看了一些文章之后还是有些不懂的地方，因此“好记性不如烂笔头”，所以我就直接整理到我的博客里面。思维导图摘要这里就直接用论文的摘要来开头，主要介绍
2020-09-11 17:00:08
1106
原创 YOLO v3理解
YOLO v3理解前言我们都知道目标检测模块大致可以分为两个方向，两阶段检测和一阶段检测。在前面我们对部分的两阶段检测作了大概的阐述。接下来我将对一阶段检测中的部分方法进行阐述。首先，再来回顾一下，两阶段和一阶段的区别：1.Two stage目标检测算法先进行区域生成（region proposal，RP）（一个有可能包含待检物体的预选框），再通过卷积神经网络进行样本分类。任务：特征提取—>生成RP—>分类/定位回归。常见的two stage目标检测算法有：R-CNN、SPP-Net
2020-09-02 14:51:09
646
原创 Mask R-CNN 理解
MASK RCNN 算法介绍：Mask-RCNN 是何凯明大神继Faster-RCNN后的又一力作，集成了物体检测和实例分割两大功能，并且在性能上上也超过了Faster-RCNN。整体框架：图1. Mask-RCNN 整体架构图2.Faster-RCNN 整体架构对比两张图可以很明显的看出，在Faster-RCNN的基础之上，Mask-RCNN加入了Mask branch（FCN）用于生成物体的掩模(object mask), 同时把RoI pooling 修改成为了RoI Align 用于处
2020-05-19 15:58:53
712
原创 Faster R-CNN论文理解
跟R-CNN一样Fast R-CNN仍然依赖于外部候选区域的方法，如用SS选择性搜索的方法来生成候选区域。我们上面也提到，这是该算法在速度上达到瓶颈的一个重要原因。在测试中，Fast R-CNN需要2.3秒来进行预测，其中2秒用于生成2000个ROI。因此，这也跟后面的Faster R-CNN提供了改进方向。Fasrer R-CNN仍然采用了跟Fast R-CNN相同的结构，它只是用内部深层网络...
2020-02-25 18:27:23
986
原创 Fast R-CNN论文理解
在之前对目标检测开山论文R-CNN有了理解，接下来我们继续对R-CNN系列中的Fast R-CNN做一个理解。在此之前，需要了解的是论文方法产生的前提：Fast R-CNN的产生并不是仅仅直接来源与R-CNN，而是在SPP-NET的基础上对R-CNN的改进。这里简单介绍一下SPP-NET同时对它和R-CNN的缺点做一个复习。我们都知道R-CNN的方法是，首先对一张特定尺度的图片通过Sear...
2020-02-18 16:39:01
335
原创 CNN中的1x1卷积
在深度学习的过程中，发现了很多网络结构中都存在了有1x1卷积的存在。也就是说，之前我们通常选择的卷积核都是3x3或者5x5大小的，作用都是用来提取特征，那么这么使用的1x1卷积核有什么作用呢，表面上看来是不是这个卷积核在输入上滑动，就相当于给输入元素乘以一个系数，逐格逐元素提取特征呢。其实并非这么简单。另外，1x1卷积这个方法也是现在比较火的方法，如 googLeNet、ResNet、Dense...
2020-02-15 14:17:33
566
原创 R-CNN—目标检测论文理解
背景： 虽然在R-CNN之前Overfeat已经在用深度学习的方法在做目标检测了，但R-CNN是第一个真正意义上工业级应用的解决方案，可以说其改变了在深度学习领域目标检测的研究思路，其之后的fast R-CNN和faster R-CNN都沿袭了R-CNN的思路。所以R-CNN系列论文（R-CNN,fast-RCNN,faster-RCNN）可以说是使用深度学习进行物体检测的鼻祖论文。这里再来简...
2020-01-13 14:54:39
1192
原创 卷积神经网络的训练
卷积神经网络的训练在上一篇博客中，介绍了卷积神经网络的相关知识，这一节就来介绍卷积神经网络的相关训练方法。由于涉及到各种公式所以部分用手写的方式（字写得不好见谅）。之前提到过，和全连接神经网络相比，卷积神经网络的训练要复杂一些。但是训练的原理是一样的：利用链式求导计算loss函数对每个权重的偏导数（梯度），然后根据梯度下降公式更新权重。训练的算法仍然是BP算法。再复习下BP算法：（这里我涉...
2020-01-06 17:39:23
1315
原创 理解卷积神经网络(CNN)
卷积神经网络卷积神经网络（CNN,Convolutional Neural Network）,是近来深度学习中的热门之一，它是一种专门用来处理具有类似网格结构的数据的神经网络。几乎所有的图像、语音识别领域的重要突破都是卷积神经网络取得的，比如谷歌的GoogleNet、微软的ResNet等。卷积神经网络是啥网络结构首先，我们获取一个感性认知，下图是一个卷积神经网络的示意图。我们可以看出...
2019-12-19 16:01:56
4073
1
原创 Django入门（6）-Template深入探讨
在前面的小节里面对 Template 进行了简单的介绍，在本小节就深入的了解一下 template 的用法。一、Template 的设置与运行在前面的小节中，已经大致讲过了创建 template 以及其在 settings.py 配置文件的配置，这里就不再一一叙述了。不过这里需要提到的是，对于新学者，我们使用的 template 模板引擎是 Django 自带的引擎，也就是下面的一段语句：'...
2019-10-23 11:31:56
95
原创 Django入门（5）-Django网址的对应与委派
网址的对应与委派Django 1.x 和 Django 2.0 之后网址的对应和委派方法不同。在 Django 2.0 之后的版本对于网址的对应和委派方法大幅度简化。原有的方法虽有保留，但是在操作上还是要进行一定幅度的调整。一、Django网址架构和使用PHP网站不同的地方在于：Django 中全部是以一般的路径网址来表示，在网址上基本上不会出现文件的名称（例如，index.php），也不会...
2019-10-20 15:59:19
195
原创 Django入门（4）-Template简介
四、Template简介原则上是可以 views.py 的函数中设置网页显示的格式和内容，但是一个复杂的网页具有很多模块，要一一的在每个函数中都编写出来也就太麻烦了。因此，正确的做法是：在 views.py 中把数据和资料准备好然后放到template模块中的 .html 文件中进行渲染后输出到网页上，也就是说这里的 .html 文件负责真正的显示工作。1、创建Template文件夹在建立项...
2019-10-18 16:19:10
190
原创 Django入门（3）-View简介
三、View简介View是Django中重要的存放程序逻辑的地方，基本上一个网站的大部分的程序设计都存放在这里面。这里存放了许多我们需要操作的函数，在这些函数中把我们需要操作的数据按请求传送给网页服务器或者交给Template中渲染后再送到网页服务器中。最后，再有urls.py中相应的设计进行对应的派发。1、...
2019-10-17 20:21:43
200
原创 Django入门（1）-MVC架构简介
深入了解Django的MVC架构摘要: Django作为近几年Python最火的框架之一,我们学习它的基础就是先要了解其MVC架构的含义。MVC架构现在也是很多软件工程师喜欢用的架构，它把一个完整的软件项目分为了3个部分：M—Model（模型、数据模块），也就是内部的操作方式。V—View（视图），也就是外部的可见部分。C—Controller（控制器），也就是过程控制逻辑。一、MVC...
2019-10-16 17:30:42
236
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人