![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
computer vision
青盏
这个作者很懒,什么都没留下…
展开
-
详解 ROI Align 的基本原理和实现细节 pytorch 扩展c++
内容讲解mmdetection实现转载 2020-01-12 16:31:27 · 1787 阅读 · 0 评论 -
Adversarial Examples 对抗样本
定义深度模型具有良好的泛化能力同时,也具有极高脆弱性。以分类为例:只需要通过故意添加细微的干扰所形成的输入样本(对抗样本),模型以高置信度给出了一个错误的输出。当然这问题不仅出现在深度模型中,在其他机器学习模型也存在。“对抗样本”是安全方面非常好的一个议题,因为它代表了AI安全领域里的一种具体的问题。 如上样本x的label为熊猫,在对x添加部分干扰后,在人眼中仍然分为熊猫,但对深度模型...转载 2018-03-24 16:44:04 · 13532 阅读 · 1 评论 -
池化 MaxPooling AveragePooling MeanPooling GlobalMaxPooling GlobalAveragePooling 区别
MaxPooling AveragePooling目的: 1、整合特征 2、减少参数 2、平移不变性 如上图使用的max pooling,当底层特征向右偏移一位时,由于max pooling 只关注较大值,可以看到上层特征变化不大。 上图中三个detector分别探测不同偏移方向的数字5,当探测到对应偏移的数字5时,相应的detector就会激活。而在detector上层的p...原创 2018-03-11 22:01:00 · 18379 阅读 · 0 评论 -
反卷积 逆卷积 转置卷积(Transposed Convolution;Fractionally Strided Convolution;Deconvolution) 输出维度shape计算
正常卷积运算: 如上图:4x4的输入,卷积Kernel为3x3, ,输出为2x2。其计算可以理解为: 输入矩阵展开为4*4=16维向量,记作x 输出矩阵展开为2*2=4维向量,记作y 卷积核C为如下矩阵: 卷积运算可表示为y = Cx(可以对照动图理解),而卷积的反向传播可以如下,相当于乘以C^T 反卷积运算: 如上图:2x2的输入,卷积Kernel为3x3, ,输出为4x4。如果原创 2018-02-27 13:49:11 · 19250 阅读 · 7 评论