- 博客(9)
- 收藏
- 关注
RSS订阅转载 浅析U-net
U-net是用来干嘛的图像分割那么图像分割是什么简单的来讲就是给一张图像，检测是用框出框出物体，而图像分割分出一个物体的准确轮廓。也这样考虑，给出一张图像 Ｉ，这个问题就是求一个函数，从I映射到Mask。求这个函数有很多方法，但是第一次将深度学习结合起来的是这篇文章全卷积网络(FCN)，利用深度学习求这个函数。在此之前深度学习一般用在分类和检测问题上。由于用到CNN，所以最后提取的特征的...
2019-02-24 20:10:37
895
转载 浅析YOLO
YOLO是用来干嘛的目标检测那YOLO和R-CNN等网络有什么区别1.YOLO训练和检测均是在一个单独网络中进行。YOLO没有显示地求取region proposal的过程。而rcnn/fast rcnn 采用分离的模块（独立于网络之外的selective search方法）求取候选框（可能会包含物体的矩形区域），训练过程因此也是分成多个模块进行。Faster rcnn使用RPN（regio...
2018-12-30 19:58:00
1068
1
转载 浅析R-CNN
R-CNN是用来干嘛的目标检测那么它和传统的目标检测有什么不同吗传统的目标检测算法：Cascade + HOG/DPM + Haar/SVM以及上述方法的诸多改进、优化缺点：1）基于滑动窗口的区域选择策略没有针对性，时间复杂度高，窗口冗余2）手工设计的特征对于多样性的变化没有很好的鲁棒性R-CNN算法：候选区域/窗 + 深度学习分类。R-CNN架构R-CNN简要步骤如下：(...
2018-12-30 19:25:36
364
转载 浅析Resnet
Resnet是用来干嘛的解决深度网络的退化问题什么是深度网络退化问题从经验来看，网络的深度对模型的性能至关重要，当增加网络层数后，网络可以进行更加复杂的特征模式的提取，所以当模型更深时理论上可以取得更好的结果，从图2中也可以看出网络越深而效果越好的一个实践证据。但是更深的网络其性能一定会更好吗？实验发现深度网络出现了退化问题（Degradation problem）：网络深度增加时，网络准确...
2018-12-23 16:58:34
664
转载 浅谈BN
为什么要用到BN？解决Internal Covariate Shift什么是Internal Covariate Shift？Batch Normalization的原论文作者给了Internal Covariate Shift一个较规范的定义：在深层网络训练的过程中，由于网络中参数变化而引起内部结点数据分布发生变化的这一过程被称作Internal Covariate Shift。我们定义...
2018-12-16 20:01:20
417
转载 浅谈Googlenet
引言Alexnet，Vgg等网络都是通过增大网络的深度（层数）来获得更好的训练效果，但层数的增加会带来很多负作用，比如overfit、梯度消失、梯度爆炸等。inception的提出则从另一种角度来提升训练结果：能更高效的利用计算资源，在相同的计算量下能提取到更多的特征，从而提升训练结果。Googlenet架构创新点Inception的主要思想主要有两点：利用1x1的卷积来进行升降维；二是...
2018-12-08 18:28:20
232
转载 浅谈VGGNet
1.VGGNet架构（VGG16）1、输入224x224x3的图片，经64个3x3的卷积核作两次卷积+ReLU，卷积后的尺寸变为224x224x642、作max pooling（最大化池化），池化单元尺寸为2x2（效果为图像尺寸减半），池化后的尺寸变为112x112x643、经128个3x3的卷积核作两次卷积+ReLU，尺寸变为112x112x1284、作2x2的max pooling...
2018-11-25 20:59:46
818
转载 浅谈Alexnet
本人深度学习小白，看了原论文和众多博客之后，来谈谈本人对Alexnet的理解和一些看法。一些套话就懒得说了，反正当时Alexnet在当时很牛逼，直接上干货吧。1.Alexnet架构 Alexnet网络是由八层网络组成的，包括5层卷积层和3层全连接层，下面是详细的介绍：首先，Alexnet的输入部分是2242243的图片，经过预处理之后，变为2272273的大小，作为网络的输入的部分。...
2018-11-18 16:47:11
392
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