- 博客(15)
- 收藏
- 关注
RSS订阅原创 YOLOv4之trick总结（2）
上文记录了YOLOv4一文中所提到的不增加计算损耗的trick（Bag of freebies），本文用于记录仅增加微小的计算损耗的trick（Bag of specials）。不增加计算损耗的trick（Bag of freebies）:像素级数据增强（亮度、对比度、色彩、饱和度、噪声；随机尺度、裁剪、翻转、旋转） 模拟目标遮挡（Random Erase、Cutout、Hide-and-...
2020-04-30 14:07:18
1413
原创 YOLOv4之trick总结（1）
YOLOv4: Optimal Speed and Accuracy of Object Detection近期目标检测领域最惹人注目的论文应该就属YOLOv4了，这篇论文除了提出速度与精度兼备的v4模型外，还总结了一大批目标检测领域中涨点常用的trick与即插即用模块。作者将现有的目标检测涨点方法分为两类：在推理阶段不增加计算损耗的trick（Bag of freebies）、仅增加微小的计...
2020-04-29 18:46:43
1561
原创 目标检测学习小结1（R-CNN、Fast-R-CNN、Faster-R-CNN）
目标检测学习小结之一深度学习小白首次接触目标检测，在阅读了几篇关于目标检测的论文后做一个阶段性小结，以便日后复习。经过对目标检测的初步了解后，一个目标检测算法大体可分为以下几个部分：（1）锁定目标区域（2）图像特征提取（3）根据特征对目标进行分类（4）对目标定位并用包围框进行标注 本文重点叙述锁定候选区域的算法及其余三部分的典型算法介绍，最后对R-CNN...
2019-06-12 17:05:27
903
转载 Wasserstein GAN 最通俗易懂的解释
这篇文章是我在知乎阅读到的一篇对WGAN的起源、原理、改进的解释，个人认为是目前我看过的最好的解释。链接：https://zhuanlan.zhihu.com/p/25071913来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。在GAN的相关研究如火如荼甚至可以说是泛滥的今天，一篇新鲜出炉的arXiv论文《Wassertein GAN》却在Reddit...
2019-03-31 15:37:38
3208
转载 RPN的具体理解
RPN1. RPN 部分的结构2.anchor，sliding windows，proposals作者：马塔转载自：https://www.zhihu.com/question/42205480/answer/155759667来源：知乎首先我们需要知道 anchor 的本质是什么，本质是 SPP(spatial pyramid pooling) 思想的逆向。...
2019-03-11 15:23:03
2890
转载 GAN合集
GAN介绍 - 介绍https://blog.csdn.net/sean2100/article/details/83662975GAN介绍 - 为什么学习生成式模型?https://blog.csdn.net/sean2100/article/details/83681043GAN介绍 - 生成式模型是如何工作的? GAN与其他模型有什么区别？https://blog.csdn.net/...
2019-01-21 09:28:57
308
原创 TFrecords类型数据集制作与读取（NWPU VHR-10数据集为例）
TFrecords类型数据集制作与读取（NWPU VHR-10数据集为例）TFrecords数据类型是Tensorflow深度学习框架所支持的特定数据类型，其具有封装性好、读取方便、移动性好的特点，并且在TensorFlow中对于该类型的数据分批读取等操作具有大量内置函数，使用方便。故我们介绍一下如何将训练数据制作成TFrecords形式，以及如何读取TFrecords格式的数据。（以NWP...
2018-12-20 10:56:22
2293
4
转载 Faster R-CNN训练顺序
转自：https://blog.csdn.net/weixin_40449426/article/details/78141635Faster R-CNN，可以大致分为两个部分，一个是RPN网络，另一个是Fast R-CNN网络，前者是一种候选框（proposal）的推荐算法，而后者则是在此基础上对框的位置和框内的物体的类别进行细致计算。不管是RPN还是Fast R-CNN网络，其网络...
2018-12-20 09:39:29
1114
原创 Fast R-CNN算法及具体训练步骤
Fast R-CNN算法及其具体训练步骤Fast R-CNN算法是R-CNN算法的进一步衍生算法，它通过引入ROI pooling层，避免了R-CNN算法对同一区域多次提取特征的情况从而提高了算法的运行速度，总体流程上虽然仍然无法实现端到端的训练，但是也在R-CNN算法的基础上有了很大的改进。Fast R-CNN算法在训练时依然无法做到端到端的训练，故训练时依旧需要一些繁琐的步骤，网上很少...
2018-12-19 23:17:37
16895
4
原创 图像检索传统算法学习笔记
图像检索领域传统算法学习笔记 （与组内同学一起找到的一些图像检索传统算法，作一小结，以防忘记）性能统计: 传统图像检索算法 CIFAR-10数据集mAP值（编码数不同） LSH局部敏感哈希 0.116-0.131 SH谱哈希 0.124-0.126 ...
2018-11-09 11:56:08
5635
原创 基于TensorFlow的二进制哈希图像快速检索算法复现
基于TensorFlow的二进制哈希图像快速检索算法复现 本文对于论文Deep Learning of Binary Hash Codes for Fast Image Retrieval进行算法复现，运用python编程于TensorFlow深度学习框架上进行算法的实现，并调用了更加简易的Tflearn库，具体步骤如下：论文中的算法结构图： ...
2018-10-13 22:43:32
2521
13
原创 乘积量化Product Quantization算法 python代码实现
乘积量化Product Quantization算法 python代码实现 算法简介： 乘积量化PQ（Product Quantization）： PQ算法是图像检索中常用的一种快速搜索算法，可以大大减少计算量，具体做法如下：将D维空间切分为M个D/M维的子空间：假设现得到每张图片特征向量维度为128维，共256张图片。为了加速距离运算，现将128维向量切分成8段，...
2018-10-13 00:47:41
2906
4
原创 半监督生成对抗哈希算法Semi-Supervised Generative Adversarial Hashing for Image Retrieval论文笔记
该论文提出了一种半监督学习的生成对抗哈希算法（即SSGAH）： 文中分别定义了生成模型、判别模型与深度哈希模型共同实现算法框架的搭建 采用了Triplet Loss作为损失函数 利用无类标样本参与训练，即利用半监督学习方法进行训练网络 文中提出了半监督损失函数、对抗损失函数来学习二进制哈希码，尽可能的让语义相似的二进制码距离更近 注：这篇文章我复现了后一直未...
2018-10-10 16:10:03
2577
4
原创 图像检索Image Retrieval相关算法汇总
乘积量化PQ（Product Quantization）： PQ算法将D维空间切分为M个D/M维的子空间：假设现得到每张图片特征向量维度为128维，共256张图片。为了加速距离运算，现将128维向量切分成8段，如下图所示。分别在每一段所表示的子空间中进行K-means聚类，之后在每一段中用距离该段内距离最近的聚类中心的编号来作为索引值，即每一个128维向量被压缩为8个索引值表示的向量。...
2018-09-26 15:54:49
9516
原创 A Modulation Module for Multi-task Learning with Applications in Image Retrieval论文笔记
该论文针对基于深度学习的多任务图像检索进行了研究并提出了改进方法。 多目标学习通常通过共享卷积神经网络的中间层实现，参数共享。然而不同的目标任务之间往往存在冲突，即相消干涉，导致训练难以进行，本文将这种冲突具体化，用训练时的反向传播梯度表示。 如果两个不同任务的梯度经（2）式计算后，等于-1，即两个梯度方向的夹角大于90度（起反作用）则称为有相消干涉：...
2018-09-26 14:10:17
620
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人