毕业or总结
文章平均质量分 95
研究生生涯即将结束了,很多不舍,很多无奈,希望你我皆是黑马
勇敢牛牛@
接受平庸
展开
-
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 -
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 -
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(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 -
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