- 博客(5)
- 资源 (7)
- 收藏
- 关注
原创 【深度学习】分类网络结构RESNET RESNEXT DENSENET DPN MOBILE NET SHUFFLE NET
RESNET 跳跃连接 RESNEXT 拆分-转换-合并 增加基数(独立路径的数量)来提高准确度比网络加深或扩大来提高准确度更有效。(为什么呢?) DENSENET 相加改为相并联 加强shortcut,将所有层直接连接在一起 DPN 将残差通道和densely connected path相融合,实现优缺互补 ------------------------...
2019-05-24 09:21:23 461
原创 【深度学习】目标检测网络结构SSD RETINANET
one stage SSD: SSD是Faster-RCNN和YOLO中做了一次的分类和检测过程放在不同的图像大小上做了多次 RETINANET: RESNET+FPN+FOCAL LOSS
2019-05-21 16:37:01 613
原创 【深度学习】目标检测网络结构MASK RCNN FPN
其相对于FASTER RCNN改进如下: 1. 分割,检测,分类同时进行 2. 引入ROI ALIGN(对分类影响不大,对分割影响大,因为ROI POOLING对应回图像中的像素会有偏差,该方法会相对准确)代替faster rcnn中的ROI POOLING ROI ALIGN:https://www.cnblogs.com/wangyong/p/8523814.html 对于检测图片中...
2019-05-21 15:55:21 1147
原创 【深度学习】目标检测网络结构SPP FAST-RCNN FASTER-RCNN
在讲fast-rcnn之前,我们先来看一下spp net吧?~ spp net对r-cnn的改进主要有两点: 1. 只对原图提取一次特征。输入是图片,在feature层对应位置找到候选框的位置。 2. 结合空间金字塔方法实现cnns的对不同尺度的输入。实现数据的多尺度输入。分别划分不同的小块对feature进行pooling。 对比r-cnn提速100倍左右...
2019-05-19 10:32:07 514
原创 【深度学习】目标检测网络结构RCNN
算法分为4个步骤: 1. 生成1k~2k个候选区域 使用selective search方法,从一张图像生成约2000~3000个候选区域: (1)使用一种过分割手段,将图像分割成小区域 (2)查看现有小区域,合并可能性最高的两个区域,重复直到整张图像合并成一个区域位置 ...
2019-05-17 16:06:34 528
libsvm-3.20
2015-01-11
kinect颜色信息读取和保存
2014-05-31
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人