深度学习
senbinyu
这个作者很懒,什么都没留下…
展开
-
深度学习策略之图像预处理
学习策略对于培训和测试也非常重要。 首先,对数据进行预处理(例如图像增强)有时对于预测合理的结果至关重要。1. 验证集划分直接划分:随机划分的方式使得模型的训练数据可能和测试数据差别很大,导致训练出的模型泛化能力不强。LOOCV: Leave-one-out cross-validation,这相当于是k折交叉验证的一个极端情况,即K=N。每次只用一个数据作为测试,其他均为训练集,重复N次(N为数据集数目)kFold,k折交叉验证,每次的测试集将不再只包含一个数据,而是多个,具体数目将根据K的选原创 2020-09-06 04:37:01 · 11450 阅读 · 0 评论 -
目标检测中的损失函数汇总
和图像分割中将损失函数分为基于分布,基于区域以及基于边界的损失函数不一样,目标检测经常可以认为由2类最基础的损失,分类损失和回归损失而组成。分类损失CE loss,交叉熵损失交叉熵损失,二分类损失(binary CE loss)是它的一种极端情况. 在机器学习部分就有介绍它。如下图所示,y是真实标签,a是预测标签,一般可通过sigmoid,softmax得到,x是样本,n是样本数目,和对数似然等价。focal loss,用改变loss的方式来缓解样本的不平衡,因为改变loss只影响t原创 2020-08-31 05:21:24 · 8180 阅读 · 1 评论 -
模型压缩和加速方法总结和文献综述
本文集中了一些针对模型压缩和技巧,用于加快计算速度的论文。 如下所示,模型压缩具有不同的技术,在这里我将主要列出深度学习网络部分。1. Review papers,综述文章以下是推荐用于模型压缩和加速的几篇论文。Cheng Yu et al., A survey of model compression and acceleration for deep neural networks, 2017.Cheng Jian et al., Recent advances in efficie原创 2020-08-21 02:07:04 · 3539 阅读 · 0 评论 -
轻量化神经网络专题文献综述
本文列出了一些经典的轻型神经网络架构设计的集合,广泛用于移动设备等。轻量级网络的评论文章通常包含模型压缩和处理技巧,可参阅以下系列文章https://github.com/senbinyu/Computer_Vision_Literatures1. 综述文献推荐Cheng Yu et al., 2017, A survey of model compression and acceleration for deep neural networksCheng Jian et al., 2018原创 2020-08-17 01:09:19 · 4623 阅读 · 0 评论 -
机器视觉图像分割文献综述
本文罗列了 and state-of-art papers working on image segmentation by using deep learning.1. Review papersGuo et al., Leiden University, 2018, A review of semantic segmentation using deep neural networksRecommand Minaee et al., Snapchat Inc, 2020.01, Image Seg原创 2020-08-16 03:56:50 · 1765 阅读 · 0 评论 -
机器视觉目标检测文献回顾及综述
为读者正确理解意思,目录用英文表示,正文为中文。更多的关于计算机视觉的综述可查阅https://github.com/senbinyu/Computer_Vision_Literatures目录表1. Review papers2. Detection paradigms2.1 Two-stage detectors2.2 One-stage detectors3. Feature representing (feature extraction and fusion)3.1 mul原创 2020-08-15 05:24:52 · 1496 阅读 · 0 评论 -
神经网络骨架network backbones
本文将列出神经网络几种骨架结构的历史沿袭,对从框架上了解backbones有重要帮助。阅读时间约10分钟。更多的机器视觉文献回顾可参阅:https://github.com/senbinyu/Computer_Vision_Literaturesnetwork backbones是神经网络最重要的体系结构。1. Review papers以下列出一些综述文章,推荐阅读第二篇Neena Aloysius and Geetha M, A Review on Deep Convolutional Ne原创 2020-08-14 04:38:54 · 3376 阅读 · 0 评论