qq_24906797的博客

Visualizing convnet filters 1. 任务内容及目标 观察卷积网络学习到了什么。 2. 主要思路 随机输入噪声，优化指定滤波器的激活值，通过梯度增加的方式，修改输入图片，观察滤波器对什么图案响应比较高。 2.1 输入 随机初始化一张有点噪声的图，将图片输入网络 input_img_data = np.random.random((1, img_width, img_heig...

在看Faster R-CNN与SSD的时候 难分负样本挖掘 训练时需要保持样本均衡，往往经过IOU筛选之后负样本集数量远远大于正样本集，会导致损失不易收敛， 所以初始负样本训练集需要选择负样本集的子集，随机选？ 按照分类损失对样本进行排序，选择负样本中难以分类的样本加入训练（也就是损失值高的样本）。一般正:负=1:3，有了正负训练集就可以训练神经网络了。 Focal Loss 解决问题： 1.类别...

训练： 数据增强: 随机裁剪（crop）、水平翻转（horizontal flips）、RGB颜色变化（color shift） 采用2种设置训练图像大小方法： （1）固定训练集图片大小，如256256和384384； （2）让训练集的大小在一个范围内随机变化，如S∈[Smin,Smax]=[256,512]，从多尺度的训练图像中进行采样, 训练采用小批量梯度下降法加上动量（mini-batch...