计算机视觉
文章平均质量分 93
计算机视觉
shanzsz
逐渐变捞的研究生
展开
-
计算机视觉-计算机视觉知识点整理3轻量化篇
一、轻量化1.1 轻量化网络网络名称 记忆点 备注 MobileNetV1 深度可分离卷积替换传统卷积 计算量和参数量下降为原来的1/Dk^2(Dk为卷积核kernel size,一般为3,所以计算量约为1/9) 深度卷积的激活函数是Relu6 下采样是通过3x3的深度卷积 stride=2 MobileNetV2 Linear Bottelneck 最后的Relu6换成了Linear I转载 2021-06-09 11:19:06 · 460 阅读 · 0 评论 -
计算机视觉-计算机视觉知识点整理2模型篇
一.常见目标检测网络1.FasterRCNN (重要度★★★★★)模型名称 记忆点 备注 Faster-RCNN 网络结构图 anchor是怎样放置的? 首先按照3种不同的尺度和3种不同的宽高比生成9个anchor,坐标排列是以原点为中心的左上右下相对量。 生成和feature map的w,h一样的gird网格,得到每个网格点的中心坐标。 把9个anchor分别加到网格点中心坐标上,因此得到了所有anchor位置的坐标。转载 2021-06-09 10:59:34 · 786 阅读 · 0 评论 -
计算机视觉-计算机视觉知识点整理1基础篇
一.基础知识1.1 BatchNorm/LayerNorm/InstanceNorm/GroupNorm基础知识点 记忆点 备注 Batch Norm 达到的效果 BatchNorm就是在深度神经网络训练过程中使得每一层神经网络的输入保持相同分布。 出发点 解决covariate shift:如果ML系统实例集合<X,Y>中的输入值X的分布老是变,这不符合IID假设,网络模型很难稳定的学规律。 问题:分布变化=>非线性输出向两端转载 2021-06-07 16:17:33 · 762 阅读 · 0 评论