沐雨金鳞

原创 对深度学习目前以及未来的看法 (AI时代可能延后，但总会到来)

下面的观点仅代表个人看法，没有收到任何外在观点的浸染，只是自己躺在椅子上，望着蓝蓝的天空，脑子里突然蹦出来的想法。个人认为：深度学习目前处于一个突破性的临界点的状态，很像是60年代左右出现的数据库的状态，当然如果相比于数据库，数据库系统发展经历了人工、文件、然后才到了目前的数据库系统的阶段，深度学习呢，神似数据库的发展，数据库是如何发展起来的呢，对数据量的要求，对存储结构的要求，然后经过...

原创 深度解析SSD论文

当前深度学习通用目标检测框架分为两大类：1、基于候选区域的深度学习目标检测算法 2、基于回归的深度学习目标检测算法

原创 YOLO-V3 Bbox预测解读

tx、ty：预测的坐标偏移值，经过sigmoid变换。Cx、Cy：在本图是1，这样经过计算后，就得到了预测bbox的中心点坐标。tw、th：尺度缩放。bx、by：预测出的bbox的中心点坐标。通过计算得出。bw、bh：预测出的bbox的宽和长。通过计算得出。Pw、Ph：anchor box经过缩小之后，映射到feature中的宽和高。1、yolov3中每个grid...

原创 YOLO-V3 预测流程

原创 牛顿法

损失函数在初始化参数下的泰勒展开的前几项 = 0 来近似 损失函数 = 0迭代过程：牛顿法是二阶收敛，梯度下降是一阶收敛，所以更快。为什么深度学习不采用牛顿法及其衍生算法作为优化算法？一句话：计算复杂，容易陷入鞍点。下摘自为啥不用？原因一：牛顿法需要用到梯度和Hessian矩阵，这两个都难以求解。因为很难写出深度神经网络拟合函数的表达式，遑论直接得到其梯度表达式，更...

原创 Cascade RCNN

解决两个问题：1、低IOU时造成大量噪声框，高IOU时带来过拟合问题。2、不同IOU阈值训练的Detector对不同IOU的Input(Foreground)的回归效果不同。1、低IOU时造成大量噪声框，高IOU时带来过拟合问题。低IOU和高IOU效果对比(低IOU的缺点)：高IOU时样本不足(高IOU的缺点)过拟合：2、不同IOU阈值训练的Detect...

原创 Mask RCNN简图

原创 论如何做到轻量级网络(Unet为例)

先贴一张整个过程中参数的下降量：可以看到，最后参数量为原始的20%左右。查看网络参数量的代码：# 网络参数数量def get_parameter_number(net): total_num = sum(p.numel() for p in net.parameters()) trainable_num = sum(p.numel() for p in ne...