深度学习专栏
文章平均质量分 94
模型框架概述,代码框架笔记,目标检测
勇敢牛牛@
接受平庸
展开
-
RepVGG学习笔记
结构重参数化理解原创 2023-04-29 17:55:34 · 1069 阅读 · 1 评论 -
YOLOX模型部署Android端-NCNN方法
YOLOX模型在Android手机端的部署方法-NCNN方式原创 2022-09-18 22:45:10 · 3461 阅读 · 2 评论 -
优化器简单概述
SGD和Adam算法的一些理解(借鉴他人,自己的理解,进行总结)原创 2022-08-09 20:30:32 · 440 阅读 · 0 评论 -
深度学习汇总(四)
Batch Normalization(BN)原理参考文章:https://blog.csdn.net/qq_37541097/article/details/104434557目的:我们在图像预处理过程中通常会对图像进行标准化处理,这样能够加速网络的收敛原理:我们希望输入的所有训练数据样本满足某一分布规律,理论上是指所用的训练样本满足分布规律,而不是某一个样本满足。而Batch Normalization的目的就是使我们的feature map满足均值为0,方差为1的分布规律。在实际的任务中,.原创 2022-05-07 20:49:04 · 341 阅读 · 0 评论 -
Coordinate Attention和BiFPN
目录文章目录目录坐标注意力机制(Coordinate Attention)原理:结构:代码:优缺点:加权双向特征金字塔(BiFPN)网络结构原理结构代码优缺点自适应非极大抑制(Adaptive Non maximum suppression, A-NMS)的多尺度检测方法原理结构优缺点设计内嵌空间注意力的双路金字塔特征融合网络,提升浅层细节特征与高级语义信息的融合能力原理知识蒸馏原理结构GA-Net立体匹配算法原理结构坐标注意力机制(Coordinate Attention)原理:结构:代码:优原创 2022-03-14 22:07:30 · 8643 阅读 · 3 评论 -
深度学习笔记-自适应选择感受野
Selective Kernel(SK) Attention原创 2021-12-26 16:13:47 · 2741 阅读 · 0 评论 -
深度学习汇总(一)
目标检测评价指标概述:深度学习优化目标概述:特征通道与信息融合概述:1*1卷积及其作用概述:11卷积在瓶颈结构中的作用以及11卷积在增强网络表达能力中的作用概述;网络宽度对模型性能的影响概述:分组卷积概述:多输入网络?什么时候需要多输入?概述:批量标准化概述:Dropout正则化概述:学习率衰减概述:随机梯度下降概述:......原创 2021-11-06 09:26:18 · 1430 阅读 · 0 评论 -
YOLOv4笔记
v4解码概述在代码中就是首先生成特征层大小的网格,然后将我们预先设置好了的在原图中416416先验框的尺寸调整到有效特征层大小上,最后从v4的网络预测结果获得先验框的中心调整参数xoffsetx_offsetxoffset和yoffsety_offsetyoffset和宽高的调整参数h和w,对在特征层尺寸大小上的先验框进行调整,将每个网格点加上它对应的x_offset和y_offset的结果就是调整后的先验框的中心,也就是预测框的中心,然后再利用先验框和h、w结合 计算出调整后的先验框的的长和宽,也原创 2021-12-20 16:37:40 · 955 阅读 · 0 评论 -
Focal-loss & QFocal-Loss
Focal-loss是交叉熵损失的变体,如下图所示通过实验发现,即使是easy examples(Pt >> 0.5),它的loss也很高,所以当这种样本的数量较多的时候,累计起来就会比较大了,甚至会超过那些概率较小的样本(hard example),导致对于那些hard example的学习效果不佳,这也就是为什么正负样本不均衡会导致学习效果不佳,太多的简单样本,累加起来,会产生较大的影响,量变产生质变。如下图蓝线https://blog.csdn.net/qq_36584673/a原创 2021-11-12 20:57:56 · 3745 阅读 · 0 评论 -
深度学习汇总(二)
分类经典模型1*1卷积的作用概述:如果卷积的输出输入都只是一个平面,那么1x1卷积核并没有什么意义,它是完全不考虑像素与周边其他像素关系。但卷积的输出输入是长方体,所以1x1卷积实际上是对每个像素点,在不同的channels上进行线性组合(信息整合),且保留了图片的原有平面结构,调控depth,从而完成升维或降维的功能。1、降维( dimension reductionality )。比如,一张500 * 500且厚度depth为100 的图片在20个filter上做11的卷积,那么结果的大小为5原创 2021-10-27 19:54:04 · 706 阅读 · 0 评论 -
深度学习汇总(三)
新的vit也有这种思想,其他还有attention-ocr##ZF Net概述模型优点不足##空洞卷积概述模型优点不足##可变形卷积概述模型优点不足##MobileNetV3概述模型优点不足##Inceptionv3概述模型优点不足##Canopy+K-means聚类概述模型优点不足##AdaBelief(Adaptive"belief"stepsize)优化算法概述模型优点不足##主干网中加入混合空洞卷积,提高网络对行人特征的提取能力原创 2021-12-19 21:09:08 · 1511 阅读 · 0 评论 -
深度学习模型CV-Transformer(一)
CV-TransFormer原创 2021-12-15 19:30:51 · 1981 阅读 · 1 评论