![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 88
芋泥玛奇朵₂
一位人工智能专业的大学生分享他的笔记
展开
-
YOLO9000: Better, Faster, Stronger
这篇文章所介绍的模型是YOLOv2,是在YOLO的基础上进行了改进。他可以实现实时的检测,并且可以预测9000多个类别。文章主要从Better,Faster,Stronger三方面来进行阐述。原创 2023-08-10 16:55:56 · 87 阅读 · 1 评论 -
SAM3D Zero-Shot 3D Object Detection via Segment Anything Model
本篇文章讲述的是一个3D的目标检测模型,主要是使用BEV将3D的图像转变成2D的图片,然后使用SAM进行分割预测对象。模型由zero-shot的能力。原创 2023-08-04 18:44:49 · 436 阅读 · 1 评论 -
DETR理论
论文主要提出了一种新的目标检测模型架构,通过使用CNN进行特征提取,transformer进行编码解码,FFN进行预测。模型去除了传统的anchor和候选框,而是在decoder的时候输出预测框,然后通过二分图最大匹配和匈牙利算法进行匹配并且进行loss的计算。模型在目标检测方向实现了端到端,ta'detade在大的目标检测上性能较好,但是小目标性能略差并且有训练时间过长的缺点。原创 2023-07-23 21:19:19 · 125 阅读 · 1 评论 -
卷积神经网络(CNN)
在进行卷积的时候需要定义一个kernel size作为卷积提取特征的范围,一般采用3x3的格式,除此之外还需要设定步长进行移动方便找到重要的特征,一般用1或者2作为步长。当receptive filed移动到边缘的时候会缺少数据,这时需要采用padding(填充)的方式补齐数据,补齐的数据可以是全为0,也可以是整个数据的平均值。为了简化模型有时候我们会让一些neurons共享参数,因为他们的receptive filed范围不同,所以即使参数相同,他们的输出值也是不同的。Step 3:计算输出层的总误差。原创 2023-06-24 16:12:13 · 301 阅读 · 3 评论