深度学习
豆沙糕
这个作者很懒,什么都没留下…
展开
-
目标检测:从 RCNN 到 Faster-RCNN
深度学习图像处理主要分为图像分类、目标检测和语义分割,以下介绍一下广泛用于目标检测系统的RCNN系列神经网络算法。RCNNRCNN的检测流程:(Region proposal+CNN)生成候选区域——CNN提取特征——SVM进行分类1)生成候选框:使用Selective Search(选择性搜索算法,有效地去除冗余候选区域,使得计算量大大的减小)提取大约2000个候选区...原创 2019-10-16 19:33:10 · 603 阅读 · 0 评论 -
CNN - 卷积神经网络总体介绍
卷积神经网络本文只是做一个总结性概述,具体各部分请点击相应链接卷积神经网络的层次1、数据输入层:Input Layer 输入层具体内容详见博主博客链接:https://blog.csdn.net/qq_38646027/article/details/977861022、卷积计算层:CONV Layer —— 卷积核计算 卷积核计算具体内容详见博主博...原创 2019-07-30 15:14:03 · 326 阅读 · 0 评论 -
CNN - 卷积神经网络输入层
数据输入层:Input Layer1、数据预处理进行预处理的主要原因是:输入数据单位不一样,可能会导致神经网络收敛速度慢,训练时间长 数据范围大的输入在模式分类中的作用可能偏大,而数据范围小的作用就有可能偏小 由于神经网络中存在的激活函数是有值域限制的,因此需要将网络训练的目标数据映射到激活函数的值域 S形激活函数在(0,1)区间以外区域很平缓,区分度太小。例如S形函数f(...原创 2019-07-30 15:16:06 · 18508 阅读 · 0 评论 -
CNN - 卷积神经网络卷积计算详解
卷积计算层:CONV Layer人的大脑在识别图片的过程中,会由不同的皮质层处理不同方面的数据,比如:颜色、形状、光暗等,然后将不同皮质层的处理结果进行合并映射操作,得出最终的结果值,第一部分实质上是一个局部的观察结果,第二部分才是一个整体的结果合并。基于人脑的图片识别过程,我们可以认为图像的空间联系也是局部的像素联系比较紧密,而较远的像素相关性比较弱,所以每个神经元没有必要对全...原创 2019-07-30 15:24:21 · 2883 阅读 · 0 评论