Loong Cheng的博客

这人很懒，除了单身，什么也没留下。

排序：
默认
按更新时间
按访问量
RSS订阅

原 关于卷积层，全连接层，池化层的相关输出参数计算

目录 说明 全连接层FC，全连接NN 卷积Convolutional 模型占用显存的计算 为了更好的说明问题，\另一个文中进行说明，本文内容都是一些概念/理论的东西，都是抄的。 https://blog.csdn.net/weixin_39875161/article/details/...

2019-02-21 18:37:58

阅读数 279

评论数 0

转 TensorFlow-Slim基础使用

TensorFlow-Slim使用方法说明 翻译自：https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/slim 目录 目录 TensorFlow-Slim Usage使用方法 Why TF...

2019-02-17 13:00:08

阅读数 94

评论数 0

原 网络深了会发生什么问题？

其实很不想说这个问题，太小儿科了，但是面试时候，我反驳面试官说的说法，直接失去了offer机会。 随着网络层数的增加，训练的问题随之凸显。 1 比较显著的问题有梯度消失／爆炸，这会在一开始就影响收敛。 1.1 在深层网络能够收敛的前提下，随着网络深度的增加，正确率开始饱和甚至下降，称之为...

2019-06-30 22:26:58

阅读数 11

评论数 0

原 labelImg 安装使用

重做系统，发现cmake不能装上labelimg。发现可以直接pip装了。 pip install labelimg 使用 labelImg 修改默认分类位置 pip装的在anaconda3中 cmake的在F盘中 找不到用这个命令。 whereis data/predef...

2019-06-29 18:44:45

阅读数 22

评论数 0

原 优化器及其优缺点

目录 目录 1. SGD 2. Momentum（动量） 3. Nesterov Accelerated Gradient Descent (NAG) 4. AdaGrad 5. AdaDelta 6. RMSProp 7. Adam 总结 优化器优化的是学习率，他发生在反向运...

2019-06-24 02:03:53

阅读数 11

评论数 0

转 学习率衰减方法

目录 指数衰减 固定值衰减 按步长衰减 给定值衰减 优化器优化的是学习率，他发生在反向运算中。学习率衰减，是每次迭代衰减的方法，在前向运算中。 学习率设定思路是前期一个较大的学习率来确保加速收敛，后期用较小的学习率保证稳定。一般都是0.01,0.005,0.0001等等之类的，设置初始...

2019-06-24 00:29:37

阅读数 39

评论数 0

原 目标检测之local 02

CornerNet https://blog.csdn.net/weixin_39875161/article/details/93374599 ExtremeNet https://blog.csdn.net/weixin_39875161/article/details/93374...

2019-06-22 22:45:51

阅读数 15

评论数 0

转 论文解读 | FoveaBox: BeyondAnchor-basedObjectDetector

https://blog.csdn.net/qq_18882399/article/details/89668635 一、研究动机 在两阶段的目标检测器中，通常利用预先产生的锚点框去拟合待检测的目标，其中包含对目标物的尺寸、长宽比、位置的拟合，然而锚点框的产生通常是离散变化的，因此锚...

2019-06-22 22:45:17

阅读数 47

评论数 0

转 论文解读 | CenterNet: Keypoint Triplets for Object Detection

https://blog.csdn.net/calvinpaean/article/details/89509090 论文地址：https://arxiv.org/pdf/1904.07850.pdf 代码地址：https://github.com/xingyizhou/CenterNet ...

2019-06-22 22:41:40

阅读数 44

评论数 0

转 论文解读 | ExtremeNet（Bottom-up Object Detection by Grouping Extreme and Center Points）

https://blog.csdn.net/sinat_37532065/article/details/86693930 『写在前面』 目标检测新思路，检测目标极值点而不是回归包围框。 作者机构：Xingyi Zhou等，UT Austin 文章标题：《Bottom-up Objec...

2019-06-22 22:39:01

阅读数 23

评论数 0

转 论文解读 | CornerNet: Detecting Objects as Paired Keypoints

https://blog.csdn.net/weixin_40414267/article/details/82379793 论文链接：https://arxiv.org/abs/1808.01244 代码链接：https://github.com/umich-vl/CornerNet 摘...

2019-06-22 22:36:28

阅读数 27

评论数 0

原 活体检测

活体检测-，他们是人脸识别中最重要的一部分，为了防止照片攻击。下面介绍自己应用的两种方案。 下面的眨眼和张嘴，摇头和点头，都是通过连续的图片，计算变化距离与不变距离的比，进行上一帧图像与下一帧图像的比，来判断是否为活体。这里用的是dlib，速度很快，可以做到实施检测，每秒20帧是可以做到的。 ...

2019-06-22 19:10:39

阅读数 71

评论数 0

转 opencv中的attention map

有时候需要对图像的attention可视化，形象观看效果，可以利用cv2.applyColorMap来生成图像。 输入：原图、与原图同样大小的attention map python代码如下： import cv2import numpy as np img = cv2.imread('de...

2019-06-20 17:47:48

阅读数 10

评论数 0

转 深度学习 常见的损失函数

https://zhuanlan.zhihu.com/p/35027284 当我们初学深度学习时，对于激活函数和损失函数的选择并不了解，这里提出一些建议,需要注意的是，这里给的是最后一层的激活函数问题类型 最后一层激活函数 损失函数 二分类问题 sigm...

2019-06-20 07:57:37

阅读数 11

评论数 0

转 权重初始化方法及适用情况

1. Gaussian 从具有固定均值（例如0）和固定2的标准差（例如0。01）的搞死分布中随机抽取权重，这是最常用的 2. Xavier 这种方法是但的缩放均值或者搞死分布进行初始化 在caffe,他通过从零均值和特定方差的分布中绘制他们来初始化网络中的权重。 其中w是所有讨论的神...

2019-06-19 23:55:36

阅读数 12

评论数 0

转 激活函数

激活函数 激活函数负责为神经网络引入非线性特征。非线性激活函数可以使神经网络随意逼近复杂函数。没有激活函数带来的非线性，多层神经网络和单层无异。 1.Sigmoid sigmoid激活函数： 函数公式如下： 在这里插入图片描述 在这里插入图片描述 函数图像如下： 优点： Sigmoi...

2019-06-19 23:50:35

阅读数 14

评论数 0

转 激活函数

今天学习激活函数~ 首先介绍不同的激活函数 （具体的可以访问https://www.cnblogs.com/XDU-Lakers/p/10557496.html） 该函数有3个缺点： 其函数容易饱和使梯度消失。为了防止饱和，必须特别设置初始化权重，如果初始化权重过大，很多神经元就会得到一个比...

2019-06-19 22:41:26

阅读数 14

评论数 0

转 batch normalization

作者：魏秀参 链接：https://www.zhihu.com/question/38102762/answer/85238569 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 这里分五部分简单解释一下Batch Normalization (BN)。1. ...

2019-06-19 22:38:11

阅读数 23

评论数 0

转 如何判断模型过拟合？那些手段解决过拟合？

如何判断模型过拟合？ 模型在验证集合上和训练集合上表现都很好，而在测试集合上变现很差。过拟合即在训练误差很小,而泛化误差很大,因为模型可能过于的复杂, 如何防止过拟合？ dropout 另一种非常流行的神经网络正则化方法是dropout。这个想法实际上非常简单——神经网络的每个单元（属于输...

2019-06-19 22:28:43

阅读数 82

评论数 0

转 voc 数据集说明

下载 首先从网站上下载VOC2007数据集下载链接 文件结构 概述 下载后的数据文件主要包含以下内容： 这里写图片描述 由于我们是将数据用于检测，因此，我们只关注Annotation，ImageSets和JPEGImages三个文件夹。下面我们逐个分析每一个文件夹下面的内容： JPEGImag...

2019-06-19 21:18:02

阅读数 36

评论数 0

提示
确定要删除当前文章？
取消 删除
关闭
关闭