![](https://img-blog.csdnimg.cn/20190321222801452.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习基础
文章平均质量分 86
内容:常见的CV和DL问题,一些经典的分类、检测网络等等。
来一包板栗
知乎主页:
https://www.zhihu.com/people/ai-yin-si-tan-lu-dai-ma
展开
-
深度学习基础--卷积类型
本文主要简单介绍几种常见卷积类型,有错误的地方望指正,喜欢就点赞吧。知乎也是本人:https://zhuanlan.zhihu.com/p/59839551用于回忆和梳理知识,一些原话没有标注引用,望见谅。1、Upsampling(上采样)在FCN、U-net等网络结构中,涉及到上采样。上采样概念:任何可以让图像变成更高分辨率的技术。最简单的方式是重采样和插值:将输入图片进行resca...原创 2019-03-21 22:18:56 · 438 阅读 · 0 评论 -
深度学习基础--分类网络
一、LetNetLetNet网络是CNN网络的鼻祖,定义了CNN的基本部件:卷积层、池化层全连接层等。二、AlexNet主要特点:1、使用ReLU函数作为CNN的激活函数;2、Dropout技术和数据增强技术的使用,防止模型过拟合;3、当时计算性能满足不了网络需求,使用group conv技术;4、基于神经科学中局部神经元活动竞争机制,提出LRN层,类似于在通道...原创 2019-03-21 22:21:27 · 3161 阅读 · 0 评论 -
目标检测——概述
学习视觉与深度学习有一年了,想把以前看到的文章和资料整理一下,不知道从哪些开始,这个暑假,趁着刚刚开完题,稍微闲一些,把目标检测相关的经典论文逐一记录一下,有时间跑一下作者的原码,水平有限,如涉及的内容有误,恳请大家指出。前言计算机视觉领域最基本的三个任务是:分类、目标定位、目标检测。分类的目标是要识别出给出一张图像是什么类别标签(在训练集中的所有类别标签中,给出的这张图属于那类标签的可能...原创 2018-07-08 15:34:15 · 1740 阅读 · 0 评论 -
详细学习1*1卷积核
1*1卷积是大小为1*1的滤波器做卷积操作,不同于2*2、3*3等filter,没有考虑在前一特征层局部信息之间的关系。我们从1*1卷积的两个主要使用来理解其原理和作用。卷积核:可以看作对某个局部的加权求和,它是对应局部感知,它的原理是在观察某个物体时我们既不能观察每个像素也不能一次观察整体,而是先从局部开始认识,这就对应了卷积。卷积核的大小一般有1x1,3x3和5x5的尺寸。卷积核的个数就...原创 2018-10-08 18:02:50 · 27039 阅读 · 12 评论 -
上采样,反卷积,上池化概念区别
通过卷积和池化等技术可以将图像进行降维,因此,一些研究人员也想办法恢复原分辨率大小的图像,特别是在语义分割领域应用很成熟。通过对一些资料的学习,简单的整理下三种恢复方法,并进行对比。1、Upsampling(上采样)在FCN、U-net等网络结构中,涉及到了上采样。上采样概念:上采样指的是任何可以让图像变成更高分辨率的技术。最简单的方式是重采样和插值:将输入图片进行rescale到一个想要...原创 2018-10-08 20:49:37 · 18747 阅读 · 4 评论