2020年05月_qqyouhappy

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月

原创目标检测-RCNN

RCNN检测过程：给定一张输入图片，提取 2000 个类别独立的候选区域，将每个候选区域缩放到统一固定大小（论文中227*227），利用 CNN 提取固定长度的特征向量（论文中4096维），再对每个区域利用SVM进行目标分类，并使用回归器对候选区域位置进行修正。提取候选框（region proposal）：论文中使用Selective Search提取候选区域。Selective Search思想：（1）采取过分割手段，将图像分割成若干个小区域。（2）初始化相似度集合S。（3）计算两..

2020-05-25 21:14:02 348

原创深度学习网络-GoogleNet

GoogleNet共有22层，输入图像大小：224*224*3。

2020-05-25 17:29:12 454

原创卷积神经网络-ResNet

import torchimport torch.nn as nndef conv3x3(in_planes, out_plances, stride=1): return nn.Sequential( nn.Conv2d(in_planes, out_plances, kernel_size=3, padding=1, bias=False) )#基础班class BasicBlock(nn.Module): expansion = 1 .

2020-05-23 19:22:18 440

原创卷积神经网络-VGG

import torchimport torch.nn as nnclass VGG(nn.Module): def __init__(self, class_num): super(VGG, self).__init__() self.features = nn.Sequential( nn.Conv2d(3, 64, kernel_size=3, padding=1), nn.ReLU(Tr.

2020-05-23 09:33:45 212

原创卷积神经网络-AlexNet

AlexNet网络共8层，5层卷积层，3层全连接。1. C1卷积层：卷积-ReLU-pool-BN（1）卷积输入大小：227*227*3 卷积核大小：11*11*3 卷积核数量：96 padding:0 卷积后输出大小：55*55*48*2 #（227-11）/4+1（2）非线性变换（3）池化输入大小：55*55*48*2 卷积核大小：3*3 str...

2020-05-21 21:13:42 581

原创卷积神经网络-LeNet

import torch.nn as nnimport torch.nn.functional as Fclass LeNet(nn.Module): def __init__(self): super(LeNet, self).__init__() #定义卷积层，1个输入通道，6个输出通道，5*5的卷积filter，外层补上了两圈0,因为输入的是32*32 self.conv1 = nn.Conv2d(1, 6, 5, padding = 2.

2020-05-20 15:48:26 483

原创 pytorch中children()modules()，named_children()，named_modules()，named_parameters()，parameters()的使用

class SimpleCNN(nn.Module): def __init__(self): super(SimpleCNN, self).__init__() layer1 = nn.Sequential() #class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True) ...

2020-05-19 21:04:38 897

原创目标检测-yolov4

项目地址：https://github.com/AlexeyAB/darknet

2020-05-17 19:45:44 309

原创目标检测-yolov3

待续

2020-05-17 19:43:59 117

原创目标检测-yolov2

待续

2020-05-17 19:43:23 179

原创目标检测-yolov1

待续

2020-05-17 19:42:43 261

原创卷积神经网络-卷积层

卷积层的一些性质： ( 1 )输入数据体的尺寸是 W1 * H1 * D1。 ( 2 ) 4个超参数:滤波器数K，滤波器空间尺寸F，滑动步长S，零填充的数 P。 ( 3 )输出数据体的尺寸为W2 *H2* D2，其中 W2= （W1-F+2P）/S +1，H2 = （H1-F+2P）/S +1，D2 = K。 ( 4 )由于参数共享，每个滤波器包含的权重数目为 F * F *D1，卷积层一共有 F*F* D1* K个权重和 K个偏置。...

2020-05-17 15:52:24 336

原创卷积神经网络-池化层

卷积层的一些性质： ( 1 )输入数据体的尺寸是 W1 * H1 * D1。 ( 2 ) )有两个需要设置的超参数，滤波器空间尺寸F，滑动步长S。 ( 3 )输出数据体的尺寸为W2 *H2* D2，其中 W2= （W1-F）/S +1，H2 = （H1-F）/S +1，D2 = D1。 ( 4 )对输入进行固定函数的计，没有参数引人。 ( 5 )池化层中很少引人零填充。...

2020-05-17 15:52:19 595

原创 pytorch 构建网络模型的方法

1.常规class Logistic_regression_1(nn.Module): def __init__(self): super(Logistic_regression_1, self).__init__() self.lr = nn.Linear(2, 1) self.sm = nn.Sigmoid() def forward(self, x): x = self.lr(x) x = s...

2020-05-16 20:25:34 178