![](https://img-blog.csdnimg.cn/20190927151117521.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习重要底层模型及公式
文章平均质量分 94
本专栏主要收录深度学习领域出现的重要方法、公式计算方式以及小型但经典的模型设计。总之是一些大论文里出现的比较细节的点的笔记专栏。
汪老板的员工1228
人工智能初学者
展开
-
ATSS论文要点总结(Adaptive Training Sample Selection)
ATSS全名Adaptive Training Sample Selection,是在2020年提出的针对目标检测模型的一种自适应训练(正负)样本选择算法,并不是一种目标检测模型。本文针对ATSS的论文,对其中的有价值的研究结果进行了要点总结。原创 2023-01-16 16:17:46 · 1514 阅读 · 0 评论 -
Group Norm(GN 组归一化)笔记
在视觉领域,其实最常用的还是BN,但BN也有缺点,通常需要比较大的Batch Size。对于比较大型的网络或者GPU显存不够的情况下,通常无法设置较大的batch size,此时可以使用GN。为了验证自己理解的是否正确,下面使用Pytorch做个简单的实验,创建一个随机变量,分别使用官方的GN方法和自己实现的GN方法做对比,看结果是否一样。对比官方和自己实现的方法,下图左边是通过官方GN方法得到的结果,右边是通过自己实现GN方法得到的结果。很明显和官方得到的结果是一模一样的,这也说明了自己的理解是正确的。转载 2022-11-23 21:42:30 · 1045 阅读 · 0 评论 -
GIoU(Generalized Intersection over Union)详解
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。本文链接:https://blog.csdn.net/weixin_41735859/article/details/89288493。转载 2022-11-22 22:27:09 · 336 阅读 · 0 评论 -
RetinaNet论文总结(Focal Loss)
RetinaNet在2017年提出,是一个里程碑性质的模型。在目标检测领域,作为一个one-stage网络,它首次超过了当时流行的two-stage模型。RetinaNet在模型方面没有颠覆性的创新,使之超越当时流行目标检测模型的原因是提出了新颖的loss计算方式:Focal Loss原创 2022-11-09 19:44:02 · 2750 阅读 · 0 评论