- 博客(11)
- 收藏
- 关注
原创 深度学习基础知识1
bn的作用1.归一化输入,避免训练过程中特征分布一直变化,加速收敛2.避免特征值过大带来的梯度爆炸,提高泛化能力100个选手,两两pk,赢者继续,败者淘汰,轮空的人直接晋级,主办方一共需要举办多少场比赛50+25+16+6+3+2+1n层空洞卷积,rate为m,卷积核大小为3,步长是1,感受野多大Tn = Tn-1 + (k - 1) * stride...
2022-04-09 16:24:21
285
原创 SSD网络
Anchor-based的目标检测网络按阶段来分有两类,以RCNN为代表的的二阶段检测和SSD,Yolo为代表的一阶段网络ssd中位置回归损失函数锚框和真实框的匹配策略:1.为每个真实框匹配一个与其IOU最高的锚框2.为每个未匹配的锚框,计算与所有真实框的IOU的最大值,如果最大值大于阈值,那么用这个锚框来预测这个IOU最大值对应的真实框困难负样本挖掘:因为正负样本严重不平衡,因此在训练中,只对置信度损失较大的负样本进行学习,并保证正负样本比例在1:3L2损失函数:优点:连续光滑,方
2021-08-24 23:41:23
113
原创 排序算法总结
堆排序最坏,最好,平均时间复杂度均为O(nlogn)1.将无序序列构建成一个堆,根据升序降序需求选择大顶堆或小顶堆;2.将堆顶元素与末尾元素交换,将最大元素"沉"到数组末端;3.重新调整结构,使其满足堆定义,然后继续交换堆顶元素与当前末尾元素,反复执行调整+交换步骤,直到整个序列有序。稳定排序排序前2个相等的数其在序列的前后位置顺序和排序后它们两个的前后位置顺序相同...
2021-08-24 23:41:06
98
原创 语义分割面经
简述一下Unet网络UNet网络和FCN都是Encoder-Decoder结构Encoder由卷积操作和下采样操作组成,统一使用3✖️3的卷积核,padding为0,striding为1,所以每次卷积之后feature map的H和W变小了,在skip-connection时要注意feature map的维度。下采样使用的是最大池化feature map经过Decoder恢复原始分辨率,该过程除了卷积比较关键的步骤就是上采样和skip-connection上采样常用的方式有两种:反卷积和双线性插值
2021-08-24 23:40:26
393
原创 自然场景文本检测2
CRNN模型优点:步骤:CTC算法用来解决输入序列和输出序列难以一一对应的问题下面的递推关系不是很严谨!!!!CTC的预测HMM中的向前向后算法前向后向算法:基于动态规划思想求解RNN的BPTT算法(难点)softmax求导...
2021-08-24 23:39:29
54
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