神经网络
Du_JuneLi
从事cv领域,无人驾驶感知、OCR等,包括检测、识别、分割、跟踪。
展开
-
深度学习相关知识汇总
· 绝对值损失:· hinge loss:· 交叉熵损失:· focal loss:在one-stage检测算法中,会出现正负样本数量不平衡以及难易样本数量不平衡的情况,为了解决则以问题提出了focal loss。hit的检测框就是正样本。容易的正样本是指置信度高且hit的检测框,困难的正样本就是置信度低但hit的检测框,容易的负样本是指未hit且置信度低的检测框,困难的负样本指未hit但置信度...原创 2021-10-15 12:29:02 · 1776 阅读 · 0 评论 -
目标检测网络之Loss(五)
.原创 2021-09-22 19:52:55 · 569 阅读 · 0 评论 -
(坑)目标检测网络之Head(四)
.原创 2021-09-22 19:51:57 · 695 阅读 · 0 评论 -
(坑)目标检测网络之Neck(三)
.原创 2021-09-22 19:51:23 · 257 阅读 · 0 评论 -
(坑)目标检测网络之backbone(二)
.原创 2021-09-22 19:50:30 · 191 阅读 · 0 评论 -
(坑)目标检测网络之数据(一)
.原创 2021-09-22 19:49:17 · 86 阅读 · 0 评论 -
小波与神经网络的联系
学习数学可以解释万物,如果不能,那就再学学Q1:复杂不规律能不能拆解成简单规律?A1:能,傅里叶变换、拉普拉斯变换、小波变换、泰勒展开……Q2:不知道具体函数,只有散点能不能拟合连续函数?A2:能,传统机器学习、神经网络……,举例:傅里叶级数展开求系数需要知道原函数定义,但是实际场景中没有提供好的函数,所以可以用统计学(深度学习等)来拟合傅里叶级数展开系数(具体解释见深度学习问题总结-62)。Q3:神经网络是怎么分解任务(Q1)并再组合的?A3:单个神经元加激活就是简原创 2021-07-29 20:09:38 · 412 阅读 · 0 评论 -
激活函数为什么可以增加非线性?
前言:· 线性基函数无论组合多少次结果都是直线(秩为1):每条直线每个x位置的k是相等的,叠加k1+k2+k3……=K,最后是固定的,和x的位置无关,还是直线(kx永远拟合不出x2);kx线性函数不是完备正交函数集,不能作为完备正交基的成员,所以无法组成任意形式的函数。kx只要乘以一个系数就可以变成其他函数,但是cos(nΩt)乘上系数不会变成其他正交基;· 非线性基函数,可以组合出任意函数,比如三角函数集(秩为无穷):每条非直线在每个x位...原创 2021-07-29 19:58:36 · 1220 阅读 · 0 评论