机器学习
AllYoung_362
这个作者很懒,什么都没留下…
展开
-
AlexNet的结构分析过程记录
写总结也是为了帮助自己更好的理解,先是写给自己看,然后才是写给别人看。如果能在分享的过程中对他人有帮助是再好不过的事情,期待能够遇到志同道合的伙伴,但不强求。为什么写这篇文章?在看完论文《ImageNet Classification with Deep Convolutional Neural Networks》之后,似懂非懂,想起向老师说过,看一些经典的论文时,一定要去考虑复现,只有复现了...原创 2019-08-19 22:03:42 · 866 阅读 · 1 评论 -
AlexNet论文翻译《ImageNet Classification with Deep Convolutional Neural Networks》
摘要我们训练了一个大型深度卷积神经网络来将ImageNet LSVRC-2010竞赛的120万高分辨率的图像分到1000不同的类别中。在测试数据上,我们得到了top-1 37.5%, top-5 17.0%的错误率,这个结果比目前的最好结果好很多。这个神经网络有6000万参数和650000个神经元,包含5个卷积层(某些卷积层后面带有池化层)和3个全连接层,最后是一个1000维的softmax。...原创 2019-08-11 16:33:29 · 237 阅读 · 0 评论 -
tensorboard模型评估图(mAP, mAP(large), mAP(medium), mAP(small), mAP(0.50IOU))
一、准确率:DetectionBoxes_Precision:mAP:平均精度超过IOU阈值的平均精度,范围从.5到.95,增量为.05mAP(large):大对象的平均精度(96 ^ 2像素<区域<10000 ^ 2像素)mAP (medium):中等大小对象的平均精度(32 ^ 2像素<区域<96 ^ 2像素)mAP (small):小对象的平均精度...原创 2019-08-15 20:34:14 · 6214 阅读 · 3 评论 -
VGG论文翻译《Very Deep Convolutional Networks for Large-Scale Image Recognition》
目录 用于大规模图像识别的深层卷积网络摘要1.引言2. ConvNet配置2.1架构2.2配置2.3讨论3.分类框架3.1训练3.2测试3.3 实现细节4 分类实验4.1 单尺度评估4.2 多尺度评估4.3 多裁剪图像评估4.4 卷积网络融合4.5 与现有技术比较5 结论...翻译 2019-09-15 16:10:45 · 914 阅读 · 0 评论