- 博客(4)
- 资源 (6)
- 问答 (4)
- 收藏
- 关注
RSS订阅原创 为什么全连接层输入需要固定尺度
SPPnet的提出就是为了解决全连接层的输入需要固定维度的问题。为什么全连接层的输入需要固定维度？ 全连接层的计算其实相当于输入的特征图数据矩阵和全连接层权值矩阵进行内积，在配置一个网络时，全连接层的参数维度是固定的，所以两个矩阵要能够进行内积，则输入的特征图的数据矩阵维数也需要固定。
2017-11-28 10:38:35
6808
2
原创 多分类问题中的mAP计算
图表参考http://blog.sina.com.cn/s/blog_9db078090102whzw.html 比如有10类，20个样本，判断为其中一类car的置信度如下表所示，降序排列。 从表中gt_label可以看出正例是6个，其他是负例。PASCAL VOC CHALLENGE 2010年后计算AP的方法是...
2017-11-28 08:58:56
9091
7
原创 图像卷积在代码中的实际操作
在代码中卷积的实际计算方法是把被卷积图像和卷积核写成两个大矩阵，其中每一行就是被卷积图像中卷积核区域的像素拉成一行，几个通道都放在同一行，行数就是卷积核在上面滑动的次数。两个矩阵相乘即为输出结果，结果矩阵中的每一列就是feature map的一个通道。图1 还有一种方式是左边的矩阵是由卷积核转化来的，右边则是被卷积图像，这样的方式比上面的会复杂点。比如输入图像和
2017-11-16 10:43:28
2648
原创 关于Faster RCNN几点总结
从two stages的RCNN系列再到one stage的SSD和YOLO，基于深度学习的目标检测算法在这波深度学习浪潮中迎来春天。我相信在后面的5年10年，无论是速度和精度，目标检测会有更大的发展，秋天收获的将是成熟丰硕的果实。 本篇总结Faster RCNN中一些较难理解的point，相信大部分人在学习过程中耗费了较大时间精力，且网上有很多信息并无详细说明。本篇需要有RCNN
2017-11-14 15:18:34
2384
caffe中blob对数据的处理
2017-12-25
SSD训练修改梯度下降法
2017-12-18
错误显示Field numbers must be positive integers.
2017-12-12
TA创建的收藏夹 TA关注的收藏夹
TA关注的人