- 博客(6)
- 资源 (1)
- 收藏
- 关注
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
1966
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
404
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
1102
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
478
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
1742
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
2913
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人