![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
随笔
SanKinPlus
曾想玩玩算法 奈何水不出CVPR
展开
-
深度学习第四课第一周--卷积神经网络(随笔)
1.计算机视觉计算机视觉曾经面临的挑战 –>输入的图片数据量(维度)很大 (64*64*3=12288) 当输入图像为1000*1000*3,输入数据为300000时,内存会非常大,也会很容易造成过拟合。2.边缘检测垂直边缘和水平边缘检测 图示为垂直边缘检测实例 3.Paddingpadding解决了两个问题: 1.卷积之后图像输出缩小 2.图像的边缘信息容易被忽略 由上图可翻译 2017-11-07 14:41:20 · 421 阅读 · 0 评论 -
深度学习第四课第二周
记住几个经典网络的结构 残差网络结构图Inceptioninception可以代替人工帮你决定卷积层大小和要不要加池化层 基本思想是不需要认为决定使用哪个过滤器,或者是否需要池化,由网络自行决定。你可以给网络添加所有可能的参数值,然后把输出参数拼接,让网络自己学习他需要什么参数。 瓶颈层(bottleneck layer)显著降低了计算量 数据扩充(数据增强)对图片进行一些变换可原创 2017-11-17 13:51:21 · 880 阅读 · 2 评论 -
tensorflow里面的padding解释
笼统的来说,padding就是在输入矩阵周围填充0,它解决了两个问题 1.卷积之后图像输出缩小 2.图像的边缘信息容易被忽略 padding在tensorflow中有两个选项。 1:”VALID”也就是没有进行0填充,这里OUTPUTSIZE计算公式为: output_size=⌈(In−F)/s+1⌉\lceil (In-F)/s+1 \rceil 2:”SAME”进行了0填充 o原创 2017-11-16 20:16:27 · 356 阅读 · 0 评论 -
深度学习第三课随笔
梯度下降 最简单的梯度下降格式x+=−learning_rate∗dxx+= - learning\_rate*dx 动量(Momentum)更新在普通版本中,梯度直接影响位置。而在这个版本的更新中,物理观点建议梯度只是影响速度,然后速度再影响位置:动量更新v=mu∗v−learning_rate∗dxv=mu*v-learning\_rate*dxx+=vx+=v Nesterov动量与普通动量有翻译 2017-11-04 15:42:07 · 383 阅读 · 2 评论 -
随笔
残差网络(ResNet)中的瓶颈层:实际中,考虑计算的成本,对残差块做了计算优化,即将两个3x3的卷积层替换为1x1 + 3x3 + 1x1, 如下图。新结构中的中间3x3的卷积层首先在一个降维1x1卷积层下减少了计算,然后在另一个1x1的卷积层下做了还原,既保持了精度又减少了计算量。’原创 2017-11-25 17:09:51 · 270 阅读 · 0 评论 -
深度学习第四课第三周
Object Detection1.Object localization 以前的分类问题经过softmax后输出其属于哪一类即可,对于目标定位,经过softmax后还得多输出其位置信息。 bx,by是位置,bw和bh是宽度和高度。 这里输出假设分类定位问题是只有一个对象,当图像中有目标时pc=1,列表中还会包含位置信息(bw,bh,bx,by),c1=1代表目标是pedestrain原创 2017-12-16 21:23:44 · 698 阅读 · 0 评论 -
Attention综述
整理了近来看过的几篇用于计算机视觉方向的Attention论文 1.Residual Attention Network 首次成功将极深卷积神经网络与人类视觉注意力机制进行了有效的结合 本文提出了一种可堆叠的网络结构。与ResNet中的Residual Block结构相似,本文所提出的网络结构也是通过一个ResidualAttention Module的结构进行堆叠,可使网络模型能够很容易的达到很...原创 2019-04-02 13:51:56 · 921 阅读 · 0 评论 -
Tensorflow提取中间层特征npy文件并加工成tfrecord文件
提取不提取特征不重要,我的方法的出发点是将npy文件加工成tfrecord文件 加工成tfrecord文件 def _add_to_tfrecord(tfrecord_writer, split_name): """Loads images and writes files to a TFRecord. Args: image_dir: The image directory where ...原创 2018-12-06 11:06:15 · 1619 阅读 · 0 评论