- 博客(4)
- 收藏
- 关注
原创 浅析YOLO网络结构与非极大值抑制
YOLO算法采用一个单独的CNN模型实现end-to-end的目标检测,核心思想就是利用整张图作为网络的输入,直接在输出层回归 bounding box(边界框) 的位置及其所属的类别。其网络结构主要包含三部分,分别为图片的输入、基础网络以及网络分支,如下图所示。Yolo模型采用预定义预测区域的方法来完成目标检测,具体而言是将原始图像划分为 7x7=49 个网格(grid),每个网格允许预测出2个边框(bounding box,包含某个对象的矩形框),总共 49x2=98 个bounding box。
2023-04-09 12:30:00
237
1
原创 浅析基本卷积神经网络
经典网络是以“一个或多个卷积层+一个池化层“作为一个基本 单元进行堆叠,在网络尾部使用全连接层,最后以Softmax为分 类器,输出结果。残差网络是在普通网络的基础上,将浅层的激活项通过支路直接传向深层,克服深层神经网络中梯度消失的问题,为训练极深的 神经网络提供便利。
2023-04-01 12:00:00
174
原创 浅析深度学习与卷积
深度学习一般是指通过训练多层网络结构对未知数据进行分类或回归,它的分类包括以下两部分,分别为有监督学习方法,即深度前馈网络、卷积神经网络、循环神经网络等;以及无监督学习方法,即深度信念网、深度玻尔兹曼机,深度自编码器等。深度学习是具备一定思想的,它可以通过构建多层网络,对目标进行多层表示,以期通过多层的高层次特征来表示数据的抽象语义信息,获得更好的特征鲁棒性。深度学习的应用十分广泛,可以应用于图像处理、语音识别、自然语言处理以及综合应用。
2023-03-26 17:57:16
86
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人