深度学习
ferryliu
这个作者很懒,什么都没留下…
展开
-
caffe编译问题
caffe编译问题 不支持opencv4 正常版本不支持permute操作,要换成ssd版本 具体: libboost_python3.so: undefined reference to `PyModule_Create2’ 原因: 不能用cmake编译pycaffe 直接pull: docker pull pkdogcom/caffe-ssd ...原创 2020-01-08 17:31:21 · 188 阅读 · 0 评论 -
数据集
姿态识别 COCO The COCO train, validation, and test sets, containing more than 200,000 images and 250,000 person instances labeled with keypoints (the majority of people in COCO at medium and large scales)...原创 2020-01-07 21:32:07 · 213 阅读 · 0 评论 -
batch normolization
前言 深度网络训练问题: 从输出到输入,反向传播过程中,使用误差估计逐层更新参数时,这种误差估计假设之前的层到本层之间的权重都是固定的。 因为所有的层在跟新过程中权重都会改变,所以这个跟新过程永远在追求一个动态的目标。 Training Deep Neural Networks is complicated by the fact that the distribution of e...原创 2020-01-07 11:43:18 · 133 阅读 · 0 评论 -
姿态识别大纲
自上而下 Cascaded Pyramid Network Stacked Hourglass Networks Alphapose Simple Baseline HRNet 自下而上 openpose simple baseline 作者看法: 姿态识别的信息特征提取的关键在于如何将小的feature map变大...原创 2019-12-30 21:18:03 · 392 阅读 · 1 评论 -
EffecientNet
Effecient Net develop a new baseline network, obtain a family of models, called EfficientNets Critical to balance all dimensions of network width/depth/resolution 以一个固定的系数来整合网络的宽度 深度 图片解析度 探究模型影响因素 ...原创 2019-12-30 17:26:18 · 260 阅读 · 1 评论 -
Anchor-Free based目标检测
CornerNet 预测左上角和右下角来得到最后的bounding boxes 所以最基本的需要两个feature map表示对应的Corner,称为heatmap top-left 和 bottom-right 将属于同一个object的corner聚合都一起得到最后的bounding box -借鉴Associative Embedding method 利用了两个embedding层...原创 2019-12-30 17:15:01 · 215 阅读 · 0 评论 -
one stage目标检测
one stage, anchor beasd目标检测 Yolo 内容: 把物体检测(object detection)问题处理成回归问题,用一个卷积神经网络结构就可以从输入图像直接预测bounding box和类别概率。 通过CNN,将输入图像变成featuremap为S*S的格子 对每个格子预测5个值:x,y,w,h和confidence(全连接层的输出维度是 S×S×(B×5+C)) ...原创 2019-12-30 17:01:32 · 122 阅读 · 0 评论 -
RCNN目标检测
RCNN目标检测总结 R-CNN fast R-CNN faster R-CNN mask R-CNN RCNN selection search ROI 耗时的串行式CNN前向传播,对于每一个RoI,都需要经过一个AlexNet提特征 SVM 使用bounding box regression进行目标包围框的修正 Fast RCNN selection search ROI poo...原创 2019-12-30 15:54:31 · 141 阅读 · 0 评论 -
模型剪枝
样例 yolov3 稀疏训练->剪枝->fine tune训练 必要的话,可以对这三个环节进行多次迭代 - 稀疏训练 深度神经网络的稠密连接引入稀疏性 对需要剪枝的层对应的bn gamma系数进行大幅压缩 - 剪枝 对不重要的通道或者层进行剪枝 -fine turn 对模型进行微调恢复精度 保持权重文件中参数的平衡 详细解释 1. 对每个conv channel通道做scale 2...原创 2019-12-30 14:26:47 · 582 阅读 · 0 评论 -
深度学习调参技巧
调参技巧 网络设计 下采样在网络的前几层密度大一些 尽可能用微弱的精度损失来换取速度提升 使用小卷积核 有利于网络走向更深 并且有更好的识别鲁棒性 能用可分离卷积替代的一定要替代 可分离卷积的参数和计算量都是线性增长的 模型超参数 学习率 学习率一般是最重要的,最先确定,从1-0.01, 分十个层次。 dropout 一般设置成0.5 BatchSize 优化器 S...原创 2019-12-30 14:22:05 · 141 阅读 · 0 评论