LHHopencv的博客

【1】基本概念欠拟合：识别不出正确样本泛化能力：CNN模型的通用性patch匹配：块匹配特征（feature）= 卷积核（filter）：样本的特征；多个【2】卷积卷积：卷积核和样本对应相乘，取平均值放中间，得到新图——特征图（feature map）      窗口按照步长滑动特征图中的值越接近于1说明对应位置和feature匹配越完整。有几个特征就会产生几个

转载地址：https://zhuanlan.zhihu.com/p/29409502原作者：Michael Yuan作者主页：https://www.zhihu.com/people/mikeyuan今天让我们来总结下训练神经网络中最最基础的三个概念：Epoch, Batch, Iteration。1. 名词解释2. 换算关系

目前的分割任务主要有两种： （1）像素级别的语义分割 （2）实例分割这个有意思，什么叫实例分割呢？它与语义分割有什么区别与联系呢？ 顾名思义，像素级别的语义分割，对图像中的每个像素都划分出对应的类别，即实现像素级别的分类； 而类的具体对象，即为实例，那么实例分割不但要进行像素级别的分类，还需在具体的类别基础上区别开不同的实例。比如说图像有多个人甲、乙、丙，那边他们的语义分割

tiny-dnn是一个轻量级的CNN（卷积神经网络），不需要各种依赖和GPU，由三千多行C++代码完成。适配android平台的话，感觉这个比较好做一点。下载地址：https://github.com/tiny-dnn/tiny-dnn新建一个cpp项目，在属性的C/C++，附加包含目录，在这把tiny-dnn的根目录加进来，导入头文件。之后新建一个cpp文件，把tiny-dnn\examples...