- 博客(6)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Enhancement of SSD by concatenating feature maps for object detection笔记
《Enhancement of SSD by concatenating feature maps for object detection》论文阅读 摘要： 用resnet网络代替传统SSD当中的分类网络VGG，共享权重的属性使得训练更快，泛化能力更好。在VOC2007和VOC2012组成的训练库上做的训练，在VOC2007测试库上做的测试。输入图像的大小为300*300时，实现的map是78
2017-06-24 16:51:26
1944
原创 《Fast and Accurate Inference with Adaptive Ensemble Prediction in Image Classification阅读笔记
《Fast and Accurate Inference with Adaptive Ensemble Prediction in Image Classification with Deep Neural Networks》阅读笔记 作者： 论文的基本内容介绍： 分类任务中的多模型集成可以提高单分类器的分类精度，但是在推理阶段，模型集成的执行成本较高。该论文介绍了如何在保证分
2017-06-11 09:58:23
400
原创 SSD训练笔记1~训练官网提供的数据
我自己在开始学习的时候遇到了很多问题，所以就把解决的过程分享出来给有需要的朋友。 这里SSD的安装就不介绍了，直接按照官网的教程做就是了。官网链接如下： https://github.com/weiliu89/caffe/tree/ssd 安装好SSD以后，跑官网的例子的具体过程如下： 1、下载VOC2007和VOC2012数据集 首先在根目录，也是home目录下面建立data文件夹，我们
2017-06-10 20:21:22
1063
1
转载 物体检测(1)--R-CNN物体检测
论文的下载地址为： http://www.cv-foundation.org/openaccess/content_cvpr_2014/papers/Girshick_Rich_Feature_Hierarchies_2014_CVPR_paper.pdf **paper总过程分为：**a、找出候选框；b、利用CNN提取特征向量；c、利用线性SVM进行特征向量分类。具体的流程如下图片
2017-06-06 14:51:06
475
原创 Knowledge Guided Disambiguation for Large-Scale Scene Classification With Multi-Resolution CNNs》阅读笔记
《Knowledge Guided Disambiguation for Large-Scale Scene Classification With Multi-Resolution CNNs》阅读笔记图像分类中遇到的困难，以及针对这些困难本文方法的优势在哪里？ 场景分类中遇到的困难： 1、场景的类别常常通过多个信息（局部目标，全局布局，背景信息）综合确定，这使得分类的类间差距很大。 2、随着
2017-06-05 21:58:22
1736
原创 文献《Densely Connected Convolutional Networks》阅读笔记
论文的主要贡献：论文提出了一种新的网络DenseNet。 论文想法的来源：卷积神经网络越深，准确率越高，同时与输入靠近的层和输出靠近的层时间的连接越短，越有助于训练。 论文的网络DenseNets：是将要通过卷积神经网络的图像。网络一共包含L层，实践过程中会有一个非线性转换函数 （类似于BN,ReLU,Pooling,或卷积）， 中的l表示层。第l层的输出记为 。R
2017-05-27 21:43:34
2884
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人