![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
DeepLearning
文章平均质量分 81
半度微凉1993
这个作者很懒,什么都没留下…
展开
-
Dilated conv扩张卷积的理解(一看就会)
Q1:Dilated conv的作用?A1:在同层计算不增加参数量的同时扩大感受野,感受野的理解见:https://blog.csdn.net/weixin_36835368/article/details/105659474Q2:如何做到不增加参数的同时增加感受野?A2:step0:先了解Dilated conv如何不增加参数数量 绿色:与卷积核相乘的点。...原创 2020-04-26 17:21:30 · 981 阅读 · 2 评论 -
感受野的计算与理解(一看就会)
Q1:感受野指什么?A1:(1)从局部理解:(上层->本层)感受野等价与卷积核尺寸。 (2)从全局理解:指输出特征层中一个点映射在原始输入图像中的区域。 Tips:通常感受野指全局理解。Q2:如何计算一个点映射在原始图像中的区域大小?A2:(1)常规卷积核 首先需要理解输出feature map大小的计算...原创 2020-04-21 16:38:06 · 1294 阅读 · 3 评论 -
基于深度学习的目标检测算法综述(一)
接下来的一系列文章是基于微信公众号:磐创AI 推送的有关文章进行总结和记录,现在将总结放在CSDN上为了便于自己查看和学习,同时也希望能起到一份知识传递的作用。背景 目标检测(Object Detection)是计算机视觉领域的基本任务之一,学术界已有将近二十年的研究历史。近些年随着深度学习技术的火热发展,目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检...原创 2018-09-13 15:05:24 · 5959 阅读 · 0 评论 -
基于深度学习的目标检测算法综述(二)—Two/One stage算法改进之R-FCN
基于深度学习的目标检测算法综述(一):https://blog.csdn.net/weixin_36835368/article/details/82687919目录1、Two stage1.1 R-FCN:Object Detection via Region-based Fully Convolutional Networks 1.2-FCN-3000 at 30fps: ...原创 2018-09-13 15:34:40 · 3027 阅读 · 0 评论 -
CNN中卷积层参数量与输出特征图(feature map)尺寸的计算公式
https://blog.csdn.net/gaishi_hero/article/details/81512404转载 2019-02-27 16:17:27 · 1558 阅读 · 0 评论