![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 79
君莫笑9102
这个作者很懒,什么都没留下…
展开
-
R-CNN
R-CNNR-CNN 是基于卷积神经网络(CNN),线性回归和支持向量机(SVM)等算法实现目标检测技术的算法。什么是目标检测对象识别,给定一张图片可以识别出类别,而目标检测除了识别类别之外,还要找到对象的位置。R-CNN 的提出R-CNN 论文的作者受到 AlexNet 的启发,尝试将 AlexNet 在 ImageNet 目标识别的能力泛化到目标检测上面来,但需要解决两个主要的问题...原创 2019-10-16 10:38:44 · 302 阅读 · 0 评论 -
R-CNN:Bounding-Box 回归
为什么要使用 Bounding-Box 回归 ?使用 Bounding-Box 回归是 R-CNN 对目标准确定位的关键,能够通过微调的方式减小预测窗口与 Ground Truth 之间的误差。如上图所示,红色框和绿色框分别表示检测目标的 Region Proposal 和真实的 Ground Truth,红色框虽然把目标识别为飞机,但与绿色框的重合度 IoU < 0.5,这张图还是相...原创 2019-10-16 10:02:12 · 582 阅读 · 0 评论 -
Selective Search 选择性搜索算法原理
1. 什么是 Selective Search ?简单说,就是从图片中找出物体可能存在的区域,下面宇航员图片中红色框就是 selective search 找出来的可能存在物体的区域,2. 与传统的目标检测算法相比传统的目标检测算法一般是图片上使用穷举法或者滑动窗口选出所有物体可能出现的区域框,对这些区域框提取特征并进行使用图像识别分类方法,得到所有分类成功的区域后,通过非极大值抑制输出...原创 2019-10-14 17:39:36 · 2741 阅读 · 1 评论 -
ResNet
一、综述ResNet 最根本的动机是所谓的退化问题,即当模型的层次加深时,错误率却提高了。一般认为,随着模型的深度加深,学习能力增强,但上图表明:常规的网络堆叠在网络很深的时候,效果却越来越差。这其中的原因之一是网络越深,梯度消失的现象就越来越明显。于是,作者提出了一种 Residual 残差结构。即通过在输出和输入之间引入一个 shortcut connection,而不是简单的堆叠...原创 2019-10-14 09:45:14 · 261 阅读 · 0 评论 -
深度学习笔记(一):神经网络的反向传播算法
前向传播神经网络的目标函数对于一系列的训练样本 X,期望的输入为 t=(t1,...,tc)t=(t_1,...,t_c)t=(t1,...,tc),网络的实际输出 z=(z1,...,zc)z=(z_1,...,z_c)z=(z1,...,zc),定义目标函数为J(w)=12∣∣t−z∣∣2=12∑k=1c(tk−zk)2J(w)=\frac{1}{2}||t-z||^2=\frac...原创 2019-10-07 15:35:58 · 1004 阅读 · 0 评论 -
深度学习笔记(二):各种梯度下降优化算法总结
1. 批量梯度下降 (Batch Gradient Descent)定义代价函数为所有样本的代价J(θ)=12m∑i=1m(hθ(x(i))−y(i))2J(\theta)=\frac{1}{2m}\sum^m_{i=1}(h_{\theta}(x^{(i)})-y^{(i)})^2J(θ)=2m1i=1∑m(hθ(x(i))−y(i))2θj=θj−α⋅∇θjJ(θ) (for j...原创 2019-10-08 16:40:38 · 774 阅读 · 0 评论 -
AlexNet
AlexNet 网络AlexNet 网络是在 LeNet5 网络之后第一个引起大家注意的网络,因其在 ImageNet 大赛上的出色发挥而受到关注;AlexNet 在结构上类似于 LeNet5,但在细节上有很大的不同,AlexNet 的网络更为复杂。AlexNet 首先将网络分为两部分,分别对应两个 GPU,直到特定的网络层后两个部分才会发生交互,这样设置提高了运算的效率。两部分网络在结构...原创 2019-10-09 19:51:23 · 154 阅读 · 0 评论 -
VGGNet
VGG 网络VGG 网络的提出目的是为了探究在大规模图像识别任务中,卷积网络深度对模型精确度有何影响;VGG模型是2014年 ILSVRC 竞赛的第二名,第一名是 GoogLeNet。但是 VGG 模型在多个迁移学习任务中的表现要优于 googLeNet。而且,从图像中提取CNN特征,VGG 模型是首选算法。网络结构VGG 网络根据卷积核大小和卷积层数目的不同,可分为 A,A-LRN,B,C...原创 2019-10-10 09:03:25 · 363 阅读 · 0 评论 -
GoogLeNet
GoogLeNet 网络GoogLeNet 是由谷歌为了参加 ILSVRC 2014 大赛而开发的,并在挑战赛上获得了冠军,将 Top5 的错误率降低到 6.67%,总体上是一个 22 层的深度网络 。一般来说,提升网络性能最直接的办法就是增加网络深度和宽度,但这也意味着更多的参数,这容易带来过拟合,也大大增加了计算量。GoogLeNet 论文认为解决上述两个缺点的根本方法是将全连接层甚至一般...原创 2019-10-10 11:47:48 · 319 阅读 · 0 评论