![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 69
yubajin
这个作者很懒,什么都没留下…
展开
-
你想要的一文读懂YOLO系列
1. 目标检测之YOLO V1[2015, Joseph]1.1. YOLO V1: you only look once!网络结构1.2. 步骤1.2.1 将图片网格化,变成S x S个cell [448 x 448 -> 7 x 7]One cell will be responsible for predicting an object as long as an object’s centerlocating in that cell.只要一个物体的中心在一个cel原创 2020-05-19 10:16:01 · 918 阅读 · 0 评论 -
通俗易懂地了解faster RCNN(RPN区域建议网络)
目标检测之faster RCNN[2015 Ren]***回顾:***R-CNN ==> 1image/mniFast R-CNN ==> 1~2 fps1. faster RCNNBackbone(神经网络模型)pre-train(预训练)fine-tuning(微调)re-trainRPN:Region Proposal Net(区域生成网络 )代替selective searchs生成区域建议输入feature map(特征图),输出一系列ROI(感兴趣区原创 2020-05-10 16:01:38 · 7455 阅读 · 3 评论 -
简单并全面地了解目标检测之fast RCNN(ROI Pooling、ROI Align和Precise ROI Pooling)
目标检测之fast RCNN[2015 Ross]ROI: region of interest(类似region proposal)B0.Region Proposal:和RCNN一样2k每张图ROI,为每个ROI记录下坐标B1 & 2.卷积Convolution & 投影Projection对一张图只做一次卷积,每个ROI记录下的坐标投射到特征图上比如使用b...原创 2020-05-08 08:56:00 · 491 阅读 · 0 评论 -
一文看懂目标检测之RCNN(NMS和Soft-NMS算法)
目标检测之RCNN1. RCNN:Regions with CNN features[2014 Ross]图片输入区域建议(region proposal)特征提取(feature extraction)分类+2次定位(classification(SVM) + detection(线性模型Linear 正则化项))2. 区域建议算法:selective search前景分...原创 2020-05-07 20:50:02 · 1411 阅读 · 0 评论 -
目标检测数据集和相关概念
1. 检测数据集介绍1.1. pascal VOC 2007/2012pattern analysis statical modeling and computational learningvisual object classes(模式分析静态建模与计算学习、可视化对象类别)10k张图片20~30k个对象1.2. coco大小为20G200k张图片 500~600k个对象...原创 2020-05-07 20:36:57 · 443 阅读 · 0 评论 -
验证集精度高于训练集精度的原因
训练集的数据做了一系列的增广,如旋转,仿射,模糊,添加噪点等操作;过多的增广使得训练集分布产生了变化。模型正则化过多,比如训练时dropout过多,和验证时的模型相差较大,验证时是不会有dropout的。训练的精度是每个batch产生的,而验证的精度一般是一个epoch后产生的,验证时的模型是训练一个个batch之后的,有一个的滞后性;可以说训练得差不多的模型用来验证,当然精度要高一点。...原创 2020-05-07 20:35:08 · 12092 阅读 · 5 评论 -
如何提高分类的区分性能——细粒度图像分类(Fine-Grained Classification)
问题如何让网络关注细小细节举个栗子通过树叶判断植物类别,花朵判断花的品种,以及人脸识别等任务1. CenterLoss1.1 传统分类学习存在的问题:类内距离可能超过类间距离,对一些模棱两可的样本不好区分1.2 Center Loss方案让特征向量有更好的区分性能,有点像做一个内部聚类,把特征向量约束到一起,让不同类别距离(类间距离)尽量大,相同类别(类内距离)尽量小,...原创 2020-05-07 20:21:21 · 1476 阅读 · 0 评论 -
不均衡数据集的处理
1. 数据方面(aspect of data)降采样(Down sampling) & 多采样(Up sampling) [重复(Repeat) /数据增强(Augmentation)]Rotation / Perspective / Translation / Scale / Noise / Blur / Occlusion / Color / Brightness / …...原创 2020-05-07 20:18:21 · 330 阅读 · 0 评论 -
CNN网络结构之VGG
VGG网络1. 网络结构2. 为什么VGG要用3*3的小卷积核2.1 前提两个3 * 3的卷积核(堆叠)和一个5 * 5的卷积核感受野相同RF(2 x Conv3) = RF(1 x Conv5)RF(3 x Conv3) = RF(1 x Conv7)证明假设图片是32 * 32的使用5 * 5的卷积核对其卷积,步长为1,不填充根据计算公式(n...原创 2020-05-07 20:11:43 · 682 阅读 · 0 评论