![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 93
帅殿天下
这个作者很懒,什么都没留下…
展开
-
Fast-R-CNN
Fast RCNN动机Fast R-CNN是继R-CNN和SPPnet之后的又一篇目标检测的经典之作。首先文中分析了R-CNN和SPPnet的一些不足之处,包括多阶段训练、空间和时间消耗大等。所以本文就是对R-CNN和SPPnet做改进,然后提出了Fast R-CNN。2. 贡献(Contribution)新提出的Fast R-CNN模型解决了之前模型存在的问题,并使得模型具有以下的优点:目标检测的性能(mAP)要高于R-CNN和SPPnet整个训练过程是single-stage的,并且使用了原创 2021-07-01 09:04:51 · 214 阅读 · 0 评论 -
YOLOV1
YOLOv1介绍人们只需瞥一眼图片就知道图片中有什么物体,物体的位置及它们之间的联系。人类的视觉系统是快速而准确的,使我们可以做很复杂的事,比如开车时不用刻意去思考。快速,准确的物体检测算法将允许计算机在没有专用传感器的情况下驾驶汽车,使辅助设备能够向人类用户传达实时场景信息,并释放通用,响应式机器人系统的潜力。yolo的几个优势第一,YOLO速度非常快,我们可以把检测看做是一个分类和回归的问题,不需要复杂的流程,在测试过程中,我们只需要将一个新的图片,输入到网络中来检测物体,yolov1的基本网络原创 2021-06-30 19:59:28 · 292 阅读 · 0 评论 -
R-CNN流程介绍
创新点1、R-CNN采用Selective Search算法预先提取出可能包含目标的 Region Proposal(候选区域),替代传统算法(DPM等)的滑动窗口法,提高速度。2、使用CNN提取Region Proposal的特征。从经验驱动特征(SIFT、HOG)到数据驱动特征(CNN feature map),提高特征对样本的表示能力。3、采用大数据集下(ImageNet ILSVC 2012)有监督预训练和小数据集下(PASCAL VOC 2007)微调(fine-tuning)的方法解决小样原创 2021-06-16 19:26:29 · 1277 阅读 · 0 评论 -
Resnet概述及代码
ResNet网络由来《用于图像识别的深度残差学习》(Deep Residual Learning for Image Recognition)[1]。这篇论文获得了 CVPR 2016 的最佳论文,在发表之后的两年间里获得了超过 1 万 2 千次的论文引用。6.2 论文的主要贡献我们前面介绍 VGG 和 GoogleNet 的时候就已经提到过,在深度学习模型的前进道路上,一个重要的研究课题就是神经网络结构究竟能够搭建多深。这个课题要从两个方面来看:第一个是现实层面,那就是如何构建更深的网络,如何能原创 2021-06-16 19:03:05 · 4725 阅读 · 0 评论 -
GoogleNet概述及代码
GoogLeNet5.1 GoogleNet名称由来《更深层的卷积》(Going deeper with convolutions)[2]。因为这篇论文的作者基本都来自于谷歌,所以文章提出的模型有时候又被叫作 GoogleNet。这篇论文拥有 8 千多次的引用数。GoogleNet 不仅和 VGG 一样在把架构做“深”上下文章,而且在模型的效率上比 AlexNet 更加优秀。作者们利用了比 AlexNet 少 12 倍的参数,在更深的架构上达到了更好的效果。5.2 文章的重点创新GoogleNet原创 2021-06-16 18:52:16 · 932 阅读 · 0 评论 -
VGG理论概述,torch,tensorflow代码实现
vggnetAlexNet 在 2012 年发表之后,研究界对这个模型做了很多改进工作,使得这个模型得到了不断优化,特别是在 ImageNet 上的表现获得了显著提升。针对 AlexNet 模型的两个重要改进,分别是 VGG 和 GoogleNet。4.1 VGGNet名称由来及作者介绍论文题目是《用于大规模图像识别的深度卷积网络》(Very Deep Convolutional Networks for Large-Scale Image Recognition)[1]。这篇文章的作者都来自于英国牛原创 2021-06-16 18:36:32 · 1251 阅读 · 0 评论 -
alexnet卷积网络及代码
AlexNet3.1 名字由来及作者介绍《基于深度卷积神经网络的图像网络分类》(ImageNet Classification with Deep Convolutional Neural Network)[1]。因为这篇文章的第一作者名字叫 Alex,所以文章提出的模型也经常被称为 AlexNet。可以说,这篇文章是深度学习在计算机视觉领域发挥作用的奠基之作。那接下来我们就先介绍一下这篇论文的作者群。第一作者就是亚力克斯·克里切夫斯基(Alex Krizhevsky)。发表这篇论文的时候他在多原创 2021-06-16 18:19:46 · 317 阅读 · 0 评论