Deep Learning基础
文章平均质量分 94
荷叶田田_
这个作者很懒,什么都没留下…
展开
-
CS231n笔记|1 引言
转载自:https://zhuanlan.zhihu.com/p/40403014首发于CS231n深度视觉笔记CS231n笔记|1 引言1 引言(Introduction)历史、概述、重点图像分类1.1 计算视觉历史16世纪最早的相机:暗箱1963年第一篇计算机视觉博士论文:Block world-Larry Roberts, ,视觉世界简化为简单的几何形状,识别...转载 2018-09-24 21:03:06 · 358 阅读 · 0 评论 -
ablation study解释
请看Quora上对于ablation study的解释高赞答案:An ablation study typically refers to removing some “feature” of the model or algorithm, and seeing how that affects performance.Examples:An LSTM has 4 gates:...转载 2019-02-21 11:03:11 · 799 阅读 · 0 评论 -
迁移学习——Fine-tune
转载自:https://blog.csdn.net/u013841196/article/details/80919857迁移学习背景:在传统的机器学习的框架下,学习的任务就是在给定充分训练数据的基础上来学习一个分类模型;然后利用这个学习到的模型来对测试文档进行分类与预测。然而,我们看到机器学习算法在当前的Web挖掘研究中存在着一个关键的问题:一些新出现的领域中的大量训练数据非常难得到。我...转载 2019-02-11 17:19:57 · 1099 阅读 · 0 评论 -
图像分割综述【深度学习方法】
CNN图像语义分割基本上是这个套路:下采样+上采样:Convlution + Deconvlution/Resize 多尺度特征融合:特征逐点相加/特征channel维度拼接 获得像素级别的segement map:对每一个像素点进行判断类别即使是更复杂的DeepLab v3+依然也是这个基本套路。图13 DeepLab v3+Image Segmentation(图像分割)网络...转载 2018-09-21 18:04:49 · 3589 阅读 · 0 评论 -
文章解析整理:《从全卷积网络到大型卷积核:深度学习的语义分割全指南》
转载自:https://www.jiqizhixin.com/articles/2017-07-14-10从全卷积网络到大型卷积核:深度学习的语义分割全指南语义分割一直是计算机视觉中十分重要的领域,随着深度学习的流行,语义分割任务也得到了大量的进步。本文首先阐释何为语义分割,然后再从论文出发概述多种解决方案。本文由浅层模型到深度模型,简要介绍了语义分割各种技术,虽然本文并没有深入讲解语义...转载 2018-09-21 16:50:12 · 3161 阅读 · 0 评论 -
【深度学习】一张图看懂Receptive Field
转载自:https://blog.csdn.net/shenxiaolu1984/article/details/78815922本文尝试用最简明直白的图示,帮助理解和记忆Receptive Field的计算方法。什么是Receptive Field?在CNN中,第n层特征图中一个像素,对应第1层(输入图像)的像素数,即为该层的Receptive Field,简称RF。基本思路...转载 2018-09-21 16:04:40 · 459 阅读 · 0 评论 -
论文笔记 | 基于深度学习的图像语义分割技术概述之5.1度量标准
转载自:https://blog.csdn.net/u014593748/article/details/71698246?fps=1&locationNum=5本文为论文阅读笔记,不当之处,敬请指正。 A Review on Deep Learning Techniques Applied to Semantic Segmentation:原文链接5.1度量标准为何需要语义...转载 2018-09-20 22:08:11 · 335 阅读 · 0 评论 -
图像语义分割之FCN和CRF
转载自:https://blog.csdn.net/u012759136/article/details/52434826前言(呕血制作啊!)前几天刚好做了个图像语义分割的汇报,把最近看的论文和一些想法讲了一下。所以今天就把它总结成文章啦,方便大家一起讨论讨论。本文只是展示了一些比较经典和自己觉得比较不错的结构,毕竟这方面还是有挺多的结构方法了。介绍图像语义分割,简单而言就是给定...转载 2018-09-20 22:00:30 · 410 阅读 · 0 评论 -
十分钟看懂图像语义分割技术
转载自:https://www.leiphone.com/news/201705/YbRHBVIjhqVBP0X5.html大多数人接触 “语义” 都是在和文字相关的领域,或语音识别,期望机器能够识别你发出去的消息或简短的语音,然后给予你适当的反馈和回复。嗯,看到这里你应该已经猜到了,图像领域也是存在 “语义” 的。今天是 AI 大热年,很多人都关注与机器人的语音交互,可是有没有想过,将来...转载 2018-09-20 15:32:35 · 1204 阅读 · 1 评论 -
CS231n笔记|3 损失函数和最优化
转载自:https://zhuanlan.zhihu.com/p/41679108 首发于CS231n深度视觉笔记CS231n笔记|3 损失函数和最优化3 损失函数和最优化(loss Function and optimization)损失函数(SVM、Softmax)、正则化、最优化(梯度计算、梯度下降-BGD\SGD\MBGD)、图像的特征表示3.1 损失函数损失函...转载 2018-09-24 21:13:16 · 5413 阅读 · 1 评论 -
VGG16和VGG19介绍
VGG16和VGG19介绍转载自:https://www.jianshu.com/p/e0845ecaf7f7image.png《Very Deep Convolutional Networks for Large-Scale Image Recognition》arXiv:[1409.1556] Very Deep Convolutional Networks for Lar...转载 2019-03-12 16:12:18 · 66483 阅读 · 1 评论