qq_32172681的博客

论文链接：https://arxiv.org/abs/1712.00726代码链接：https://github.com/zhaoweicai/cascade-rcnn特点：级联不同IOU阈值（界定正负样本）的输出，使不同IOU值检测与其相对应的IOU值的目标Cascade RCNN的中心思想：使用不同的IOU阈值划分正负样本，让每一个stage的detector都专注于检测...

Unet网络结构很多分割网络都是基于FCNs做改进，包括Unet。由于网络结构像U型，所以叫Unet网络。Unet包括3部分：下采样：特征提取、池化实现 上采样：每上采样一次，就和特征提取部分对应的通道数相同尺度融合，做多尺度预测，但是融合之前要将其crop。 softmax：输出类别数量的特征图后，使用激活函数softmax将特征图转换为概率图个人认为改进FCN之处有：...

1、MIOU定义Mean Intersection over Union(MIoU，均交并比)：为语义分割的标准度量。其计算两个集合的交集和并集之比，在语义分割的问题中，这两个集合为真实值和预测值。在每个类上计算IoU，之后平均。计算公式如下：i表示真实值，j表示预测值，p_{ij}pij​表示将i预测为j。2、直观理解MIoU：计算两圆交集（橙色部分）与两圆并...

首先，在X方向上进行两次线性插值计算，然后在Y方向上进行一次插值计算。直接整理一步计算：f(i+u,j+v) = (1-u)(1-v)f(i,j) + (1-u)vf(i,j+1) + u(1-v)f(i+1,j) + uvf(i+1,j+1)...

1、NMS原理Non-Maximum-Suppression（非极大值抑制）：当两个box空间位置非常接近，就以score更高的那个作为基准，看IOU即重合度如何，如果与其重合度超过阈值，就抑制score更小的box，因为没有必要输出两个接近的box，只保留score大的就可以了。应用：在目标检测过程中，（Faster-RCNN / YOLOv2）采用NMS来消除冗余的boxes，最终...

1、数据增强2、数据预处理3、学习率衰减4、在预训练模型上微调5、用relu激活函数代替sigmoid6、正则化（L1正则、L2正则、dropout）7、注意类别不均衡数据（用带权重的损失函数、batch-size balanced sampling）8、resize图片：center-crop（原图短边等于网络输入size，长边等比例缩放）9、多任务学习multi...

LBP（Local Binary Patterns，局部二值模式）是提取局部特征作为判别依据的。LBP方法显著的优点是对光照不敏感，但是依然没有解决姿态和表情的问题。不过相比于特征脸方法，LBP的识别率已经有了很大的提升。在[1]的文章里，有些人脸库的识别率已经达到了98%+。1、LBP特征提取最初的LBP是定义在像素3x3邻域内的，以邻域中心像素为阈值，将相邻的8个像素的灰度值与其...

版权声明：本文为博主原创文章，遵循 CC 4.0 by-sa 版权协议，转载请附上原文出处链接和本声明。原文链接：https://blog.csdn.net/hh_2018/article/details/80576290参考地址：https://blog.csdn.net/guoyunfei20/article/details/78196286论文题目：DeepFace: Clos...

版权声明：本文为CSDN博主「张雨石」的原创文章，遵循CC 4.0 by-sa版权协议，转载请附上原文出处链接及本声明。原文链接：https://blog.csdn.net/stdcoutzyx/article/details/46687471参考文章：https://www.cnblogs.com/lijie-blog/p/10168073.html参考文章：https://blog....

论文名称：Densely Connected Convolutional Networks论文地址：https://arxiv.org/pdf/1608.06993.pdf如果说ResNet扩展了网络的深度，GoogLeNet扩展了网络的宽度，那么DenseNet就是利用特征图的重用。一、论文解读1、DenseNet介绍传统的具有L层的卷积网络在每一层和它的下一...

本文只对Inception的4个版本做了简单对比，详细内容参考：https://blog.csdn.net/qq_32172681/article/details/999773041、inception v1inception v1提出了inception模块，用1*1卷积实现通道降维和增维，增加了网络深度和宽度。2、inception v2inception v2...

[v1] Going Deeper with Convolutions, 6.67% test error, http://arxiv.org/abs/1409.4842[v2] Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift, 4.8% test error...

论文题目：Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks论文地址：https://arxiv.org/pdf/1703.10593.pdf本文提出了一种在没有成对图像的情况下，学习将图像从源域x转换为目标域y的方法。它使用两个镜像对称的GAN，构成了一个环形网络，两个GAN...

论文名称：Deep Residual Learning for Image Recognition论文地址：https://arxiv.org/pdf/1512.03385.pdf代码地址：https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/slim/python/slim/nets/resnet_...

1、目标检测R-CNN: https://arxiv.org/abs/1311.2524Fast R-CNN: https://arxiv.org/abs/1504.08083Faster R-CNN: https://arxiv.org/abs/1506.01497Mask R-CNN: https://arxiv.org/abs/1703.068702、对抗生成网络...

论文题目：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks论文地址：https://arxiv.org/abs/1506.01497代码地址：https://github.com/endernewton/tf-faster-rcnn或者https://github.com/dB...

https://blog.csdn.net/jacke121/article/details/85568966

AI 科技评论按：本文作者 Ronald，首发于作者的知乎专栏「炼丹师备忘录」，AI 科技评论获其授权转发。目前目标检测领域的深度学习方法主要分为两类：two stage 的目标检测算法；one stage 的目标检测算法。前者是先由算法生成一系列作为样本的候选框，再通过卷积神经网络进行样本分类；后者则不用产生候选框，直接将目标边框定位的问题转化为回归问题处理。正是由于两种方法的差异，在性能上...

RCNN、Fast RCNN、Faster RCNN详解参考以下文章：RCNN：https://blog.csdn.net/qq_32172681/article/details/99105617Fast RCNN：https://blog.csdn.net/qq_32172681/article/details/99194233Faster RCNN：https://blog.csd...

Dilated/Atrous Convolution(中文叫做空洞卷积或者膨胀卷积) 或者是 Convolution with holes 从字面上就很好理解，是在标准的 convolution map 里注入空洞，以此来增加 reception field。相比原来的正常convolution，dilated convolution 多了一个 hyper-parameter 称之为 dilati...

卷积卷积计算过程如下：将输入矩阵X展开成：3025*363将权重矩阵W展开成：96*363卷积操作就是权重矩阵乘以输入矩阵np.dot(W,X)：[96,363]*[363,3025] = [96,3025]，再reshape成[55,55,96]反卷积卷积的前向和反向计算分别是：C和CT反卷积的前向和反向计算分别是：CT和(CT)T...

在图片进行训练前，都要将图像减去imagenet的均值，为什么要有这一步呢？查阅了很多网上的资料，发现去均值是为了对图像进行标准化，可以移除图像的平均亮度值 (intensity)。很多情况下我们对图像的照度并不感兴趣，而更多地关注其内容，比如在对象识别任务中，图像的整体明亮程度并不会影响图像中存在的是什么物体。这时对每个数据点移除像素的均值是有意义的。而另一个资料显示在每个样本上减去数据...

Kitti数据集的下载只需要一个图片集（12G）和标注文件即可（data_object_image_2.zip、data_object_label_2.zip）。下载地址：http://dataset.f3322.net:666/share/kitti/1、VOC格式数据集介绍由于faster-rcnn使用的是VOC格式的数据集，所以我们要将kitti数据集的格式改成VOC的格式...

1、下载 training, validation, test data 和VOCdevkit（pip install）wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tarwget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCt...

我一共有12568张图片数据，长度为1600，宽度为256，因为标签数据使用Run-length encoding进行编码，为了对标签数据进行预处理，每个数据需要用1600*256的int32数组来保存，我一次性处理，使用了12568*1600*256*4 = 20591411200 = 19G的内存，而我的电脑是8G，所以MemoryError啦，代码如下：于是，我改成，每次处理完一张图...

def log2_graph(x): """Implementation of Log2. TF doesn't have a native implementation.""" return tf.log(x) / tf.log(2.0)class PyramidROIAlign(KE.Layer): """Implements ROI Pooling on m...

def clip_boxes_graph(boxes, window): """ boxes: [N, (y1, x1, y2, x2)] window: [4] in the form y1, x1, y2, x2 """ # Split wy1, wx1, wy2, wx2 = tf.split(window, 4) y1, x1, y...

def overlaps_graph(boxes1, boxes2): """Computes IoU overlaps between two sets of boxes. boxes1, boxes2: [N, (y1, x1, y2, x2)]. """ # 1. Tile boxes2 and repeat boxes1. This allows us t...

YOLO详解参见地址：YOLO1：https://blog.csdn.net/qq_32172681/article/details/99418000YOLO2：https://blog.csdn.net/qq_32172681/article/details/99482044YOLO3：https://blog.csdn.net/qq_32172681/article/details...

版权声明：本文为博主原创文章，遵循 CC 4.0 by-sa 版权协议，转载请附上原文出处链接和本声明。原文链接：https://blog.csdn.net/jy001227801/article/details/80388192参考链接：https://blog.csdn.net/a8039974/article/details/77592395论文题目：SSD: Single ...

论文名称：VeryDeepConvolutional Networks ForLarge-Scale Image Recognition论文地址：https://arxiv.org/pdf/1409.1556.pdfVGGNet的主要贡献是，研究了卷积网络深度对大规模图像识别中卷积网络精度的影响，使用3×3卷积滤波器，将网络深度推至16-19层，显著地提高了分类性能。...

本文对21个项目第三章图像识别模型的主要源码进行解析，已在代码中注释。一共三个文件：1、创建自己的数据集 satellite.pyfrom __future__ import absolute_importfrom __future__ import divisionfrom __future__ import print_functionimport osimport ...

本文介绍CycleGAN原理以及在tensorflow中实现。一、CycleGAN 的原理cGAN 和对应的 pix2pix 模型，都能够解决一类“图像翻译 ”问题 。 但是 pix2pix 模型要求训练样本必须是“严格成对”的，这种样本往往比较难以获得，CycleGAN 不必使用成对样本也可以进行“图像翻译”。CycleGAN与 pix2pix的不同点在于，它可以利用不成对数据训练...

所谓词嵌入，通俗来讲，是指将一个词语(word)转换为一个向量 (vector)表示， 所以词嵌入有时又被叫作“word2vec"。在CharRNN中，输入序列数据的每一步是一个字母 。 具体来说，先对这些字母使用了独热编码再输入到 RNN 中，在实际应用中 ， 每一步只输入一个字母显然是不太合适的 ， 更加高效的方法是每一步输入一个单词 。如果还继续使用独热表示，那么每一步输入的向量维数会非常大...

所谓 Image Caption，是指从图片中自动生成一段描述性文字。要完成 Image Caption，机器不仅要能检测出图像中的物体，而且要理解物体之间的相互关系，最后还要用合理的语言表达出来。本文介绍 Image Caption 的几篇经典的论文，接着会介绍 Google 公司官方的 TensorFlow 实现 。一、 Image Caption 技术概述1、Encoder-D...

本文会介绍cGAN和pix2pix，并在 TensorFlow 中使用 pix2pix 模型。一、cGAN原理使用GAN可以无监督生成全新的图片，比如使用GAN生成MNIST数字，虽然可以生成数字，但是不能生成确定的数字。如果希望控制生成的结果，例如生成数字1，此时就要用到cGAN了。cGAN 的全称为 Conditional Generative Adversarial Net...

其中一种 RNN 结构为：N vs 1。这种结构的输入为序列，输出为类别， 因此可以解决序列分类问题。 常见的序列分类问题有文本分类 、 时间序列分类 、 音频分类。本文用tensroflow制作一个简单的序列分类器。一、Nvs1 的 RNN结构x1，x2，...，Xt为输入的数据， Y 为最终的分类 。 在不同的问题中，输入 数据 x 有不同的含义，如：（1）对于文本分类，每...

本文学习循环神经网络（RNN）以及相关的项目，首先会介绍 RNN 经典的结构，以及它的几个变体 。 接着将在 TensorFlow 中使用经典的结构实现一个有趣的项目: CharRNN。 Char RNN 可以对文本的字符级概率进行建模，从而生成各种类型的文本 。一、RNN 的原理1、经典 RNN 的结构RNN 的英文全称是 Recurrent Neural Networks，即...

本文会首先介绍神经网络机器翻译(Neural Machine Translation )技术的原理，再介绍如何使用 TensorFlow NMT 训练一个中英翻译引擎。一、Encoder -- Decoder模型的原理Encoder-Decoder 模型是使用神经网络进行机器翻译的基本方法，一般也称作 Seq2Seq 模型 。原始的 N VS N RNN结构要求输入序列和输出序列等长...

论文名称：Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks论文地址：https://www.lao-wang.com/wp-content/uploads/2017/07/1604.02878.pdf1、MTCNN原理MTCNN，Multi-task con...