deep learning
逆向小李子
专注逆向分析。
展开
-
深度残差网络RESNET
一、残差神经网络——ResNet的综述深度学习网络的深度对最后的分类和识别的效果有着很大的影响,所以正常想法就是能把网络设计的越深越好,但是事实上却不是这样,常规的网络的堆叠(plain network)在网络很深的时候,效果却越来越差了。其中原因之一即是网络越深,梯度消失的现象就越来越明显,网络的训练效果也不会很好。 但是现在浅层的网络(shallower netwo转载 2018-01-25 14:00:49 · 73617 阅读 · 7 评论 -
FCN、SSD、YOLO2、faster-rcnn和labelImg
转自https://ask.julyedu.com/question/7490深度学习班和视觉班寒老师和李老师讲过图像检测与识别,这篇笔记主要记录R-FCN、SSD、YOLO2、faster-rcnn和labelImg实验。R-FCNpaper:https://arxiv.org/abs/1605.06409作者代码:https://github.com/daijifeng00转载 2018-01-25 14:05:13 · 714 阅读 · 0 评论 -
什么是激活函数以及其作用
作者:颜沁睿链接:https://www.zhihu.com/question/22334626/answer/103835591来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。我觉得@lee philip的答案呢主要是在说为什么需要用非线性函数来进行分类, 而没有点出为什么没有activation function就不能非线性转载 2018-01-25 21:41:42 · 1616 阅读 · 0 评论 -
基于深度学习的目标检测技术演进:R-CNN、Fast R-CNN、Faster R-CNN
原文转自:https://www.cnblogs.com/skyfsm/p/6806246.htmlobject detection我的理解,就是在给定的图片中精确找到物体所在位置,并标注出物体的类别。object detection要解决的问题就是物体在哪里,是什么这整个流程的问题。然而,这个问题可不是那么容易解决的,物体的尺寸变化范围很大,摆放物体的角度,姿态不定,而且可以出现在图片的转载 2018-01-26 19:29:19 · 226 阅读 · 0 评论 -
非极大值抑制
NMS(non maximum suppression),中文名非极大值抑制,在很多计算机视觉任务中都有广泛应用,如:边缘检测、目标检测等。这里主要以人脸检测中的应用为例,来说明NMS,并给出Matlab和C++示例程序。人脸检测的一些概念(1) 绝大部分人脸检测器的核心是分类器,即给定一个尺寸固定图片,分类器判断是或者不是人脸;(2)将分类器进化为检测器的关键是:转载 2018-01-28 10:45:56 · 396 阅读 · 0 评论 -
SSD理解
Abstract这篇文章在既保证速度,又要保证精度的情况下,提出了 SSD 物体检测模型,与现在流行的检测模型一样,将检测过程整个成一个 single deep neural network。便于训练与优化,同时提高检测速度。SSD 将输出一系列 离散化(discretization) 的 bounding boxes,这些 bounding boxes 是在 不同层次(layers) 上转载 2018-01-29 00:05:39 · 2823 阅读 · 0 评论