- 博客(9)
- 资源 (5)
- 收藏
- 关注
原创 caffe 中的卷积的计算过程
最近在做实验是,发现看代码可以增加自己的认识,就最近对卷积的操作的总结方便今后的查阅,在卷积神经网络中,卷积算是一个必不可少的操作,下图是一个简单的各层的关系。可以看出一个很好的扩展的关系,下面是整个卷积的大概的过程图中上半部分是传统的卷积的操作,下图是一个矩阵的相乘的操作。下图是在一个卷积层中将卷积操作展开的具体操作过程,他里面按照卷积核的大小取数据然后展
2016-05-29 13:30:34 7700
原创 stochastic pool
看到很多的对CNN的改造的文章中都是对pool做东西,最近看到一个随机池化,就好奇的去看了一下可以参看这篇文章 Stochastic Pooling for Regularization of Deep Convolutional Neural Networks在caffe中是支持最大池化,均值池化,随机池化的在使用中常见的是mean-pooling和max-poo
2016-05-28 17:29:20 2333
原创 Dropout 与 DropConnect
最近看Fractional Max-pooling 时,中提到了Dropconnect,一时间忘记了,就找出原文看了一下。参考 原文:Regularization of Neural Networks using DropConnect现在总结一下,其实在实验中我们经常使用的是dropout ((Hinton et al., 2012).)方法,这篇文章提出的dropconnect的
2016-05-28 17:18:51 5607
原创 Global average Pooling
最近在看关于cifar10 的分类的识别的文章在看all convolution network 中看到中用到一个global average pooling 下面就介绍一下global average pooling 这个概念出自于 network in network 主要是用来解决全连接的问题,其主要是是将最后一层的特征图进行整张图的一个均值池化,形成一个特征点,将这
2016-05-28 00:24:34 44013 4
原创 Batch Normalization
在看到关于Batch Normalization 时,看到不错的,保留一下这里分五部分简单解释一下Batch Normalization (BN)。1. What is BN?顾名思义,batch normalization嘛,就是“批规范化”咯。Google在ICML文中描述的非常清晰,即在每次SGD时,通过mini-batch来对相应的activation做规范化操作,使得结果
2016-05-20 08:55:21 1330
原创 RCNN,Fast-RCNN,Faster-RCNN
RCNN的变体,在此介绍一下RCNN的相关变形及改进RCNN->SPPNET->Fast-RCNN->Faster-RCNN1.RCNN将原来的目标检测的过程与CNN建立连接,将检测转换成为region proposal的分类问题。RCNN算法的核心思想就是对每个区域通过CNN提取特征,然后接上一个分类器预测这个区域包含一个感兴趣对象的置信度,也就是说,转换成了一个图像
2016-05-17 23:26:55 2635
原创 Bag of Words
Bag-of-words model (BoW model) 最早出现在NLP和IR领域. 该模型忽略掉文本的语法和语序, 用一组无序的单词(words)来表达一段文字或一个文档. 近年来, BoW模型被广泛应用于计算机视觉中. 与应用于文本的BoW类比, 图像的特征(feature)被当作单词(Word).引子: 应用于文本的BoW modelWikipedia[1]上给出了如下
2016-05-17 22:33:52 1485
原创 rcnn的相关的知识
最近在看rcnn,rcnn主要是用来进行目标检测,语义分割的是一个将cnn使用到目标检测的突破,进而诞生了rcnn,sppnet,fast-rcnn,faster-rcnn在此,使用这个博文介绍一下以上的rcnn及其扩展中使用到的东西的简单介绍吧1,OverFeat OverFeat is a Convolutional Network-based image classifier
2016-05-17 22:23:01 909
原创 selectIve search for object recognize
在RCNN中使用到的selective searchselectIve search 主要完成的任务有点像是在多目标的图中找到特定的目标的首先什么是一幅图中的目标,怎样来区分提取对于图b,我们可以根据颜色来分开两只猫,但是不能根据纹理来分开。对于图c,我们可以根据纹理来找到变色龙,但是不能根据颜色来找到。对于图d,我们将车轮归类成车的一部分,既不是因为颜色相近,
2016-05-13 11:23:01 2004
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人