论文阅读
LiuLllDDdd
这个作者很懒,什么都没留下…
展开
-
Pytorch实现CapsuleNet
这里不讨论capsule的设计原理、优势以及特点等信息,只关注Capsule Net是如何实现的。 总体流程 在(28,28)的图片上进行卷积操作,得到feature map(20,20,256) concat 8个卷积得到的feature map,将其作为capsule(2048,8) 使用转移矩阵W将每个8维的capsule转换为10个16维的高级capsule(2048,10,16),再加权求和这2048个高级capsule得到DigitCaps(10,16),使用动态路由算法调整W. 将长度作为原创 2020-12-25 01:25:22 · 1118 阅读 · 6 评论 -
FSOD with Attention-RPN and Multi-Relation 推理过程
测试过程 在少样本目标检测任务中,训练过程每次输入的是一个episode,也就是有一张query image需要检测对象,以及20张support images提供类别信息。在support images中,一共有2个类别,一个类别10张图片。在训练时会确保一个类和query image相同,一个类别和它不同。训练时模型的任务就是找到query image中属于support images类别的对象,然而在测试的时候每张图片需要和20个类别的support features做对比。 总体流程如下: 每个类原创 2020-12-09 15:06:12 · 537 阅读 · 0 评论 -
目标检测anchor
anchor的概念最早是在Faster R-CNN中提出来的。我们都知道两阶段检测网络中第一个重要的步骤就是生成Proposals(候选区域),Faster R-CNN首次使用卷积网络来进行proposals的获取,这个网络称之为Region Proposal Networks(RPN)。 当我们通过基础网络(Resnet,VGG等)获得feature map后,在上面进行卷积操作(如33),每个...原创 2020-04-01 10:37:49 · 302 阅读 · 0 评论 -
ResNet论文阅读
问题背景 卷积神经网络在图像分类中有非常好的效果,原因在于可以通过多个卷积层提取图像不同程度的特征,并且可以通过网络层数的堆叠使得网络可以提取更多不同程度的图像特征,以便获得更好的分类效果。 那么我们是否可以不断地通过堆叠网络层数来获得更好的效果呢?显然我们必须还得面对网络层数增加之后梯度消失的问题。 我们可能会想到这样一种情况,随着网络深度的增加,准确率会逐渐达到饱和然后迅速下降,我们称这种现...原创 2020-01-04 13:45:38 · 314 阅读 · 0 评论