CV
文章平均质量分 77
ywm_up
这个作者很懒,什么都没留下…
展开
-
目标检测综述
转载连接:目标检测究竟发展到了什么程度? | CVHub带你聊一聊目标检测发展的这22年详细论文链接和代码可以点开看[1] Rapid object detection using aboosted cascade of simple features[2] Histograms of oriented gradients for human detection[3] A discriminatively trained, multiscale, deformable part model[转载 2022-02-11 16:11:13 · 183 阅读 · 0 评论 -
级联金字塔结构卷积神经网络
参考资料:图文详解级联金字塔结构卷积神经网络前言随着深度学习技术的发展,深度卷积神经网络在图像分类、识别以及关键点定位上已得到广泛应用。目前在人体姿态、人脸识别等多方面的关键点定位算法已经取得大量成果,但是应用于多变性的图像背景以及姿态等依然面临很大的挑战,如服饰在类别、比例核外观上具有多变性,其关键点定位精度并不高。下文将在传统的残差核沙漏网络的基础上,介绍一种新的级联金字塔结构卷积神经网络,实现对关键点的定位进行精细调整。并通过实例剖析进一步帮助大家理解。传统卷积神经网络1. 沙漏网络沙漏网络转载 2022-02-09 16:18:19 · 1536 阅读 · 0 评论 -
全连接回归 vs 高斯热图
参考连接:关键点之热力图Heatmap与坐标FC回归在做关键位置检测时,通常可以分为两大类方法:全连接回归高斯热图方法1:全连接(FC)直接回归坐标拓展阅读:《How much position information do convolutional neural networks encode?》关于CNN如何学习到绝对位置坐标?人体姿态估计一般通过检测方式学习到绝对位置(锚),关键点学习相对位置FC 坐标回归方案优点:训练和前向速度可以做到很快,端到端全微分训练缺点缺乏空转载 2022-02-09 16:16:40 · 1580 阅读 · 0 评论 -
空洞卷积(Atrous Convolution)
优点:在不做 polling 损失信息和相同的计算条件下的情况下,增大了感受野,让每个卷积输出都包含较大范围的信息。空洞卷积经常应用在实时图像分割中。当网络层需要较大的感受野,但计算资源有限而无法提高卷积核数量或大小时,可以考虑空洞卷积。空洞卷积(atrous convolutions)又称扩张卷积(dilated convolutions),是针对图像语义分割问题中下采样会降低图像分辨率、丢失信息而提出的一个卷积网络。利用添加空洞扩大感受野,让原本3×3的卷积核,在相同参数量核计算量下拥有5×5(d.转载 2022-02-09 16:15:25 · 4932 阅读 · 0 评论 -
VGG 模型原理及 pytorch 代码
文章目录VGG,使用重复元素的网络为什么要用多个小的卷积核替代大的卷积核(小卷积核优势)总结VGG,使用重复元素的网络VGG的组成规律是:连续使用多个相同的VGG块,即填充为1、窗口形状为 3 x 3 的卷积层后接一个步幅为2、窗口形状为 2 x 2 的最大池化层。卷积层保持输入的高和宽不变,而池化层则对其减半。我们使用vgg_block函数来实现这个基础的VGG块,它可以指定卷积层的数量和输入输出通道数。定义VGG块:import timeimport torchfrom torch imp转载 2022-02-09 16:13:22 · 772 阅读 · 0 评论 -
AlexNet 模型原理及 pytorch 代码
1. 模型原理AlexNet包含8层变换,其中有5层卷积(中间另外有3层池化层)和2层全连接隐藏层,以及1个全连接输出层。2. 代码import timeimport torchfrom torch import nn, optimimport torchvisionimport syssys.path.append("..") import d2lzh_pytorch as d2ldevice = torch.device('cuda' if torch.cuda.is_avail转载 2022-02-09 16:10:54 · 385 阅读 · 0 评论 -
LeNet 模型原理及pytorch代码
1. 概述LeNet-5[1] 诞生于1994年,是最早的深层卷积神经网络之一,推动了深度学习的发展。从1988年开始,在多次成功的迭代后,这项由Yann LeCun完成的开拓性成果被命名为LeNet-5。最初被用于手写数字识别,当年美国大多数银行就是用它来识别支票上面的手写数字的,它是早期卷积神经网络中最有代表性的实验系统之一。2. 算法基本思想2.1 LeNet-5的网络结构LeNet-5中主要由2个卷积层、2个下抽样层(池化层)、3个全连接层组成(两个隐藏层、一个输出层),其中:INPU转载 2022-02-09 16:07:02 · 810 阅读 · 0 评论