深度学习
__Watson__
这个作者很懒,什么都没留下…
展开
-
【AP和mAP】
ap、mAP多标签图像分类任务的评价方法史上最易懂AP、mAP计算解析将检测结果按score排序分别介绍top1到top-N的precison和recall绘制recal-precision曲线介绍PR曲线下的面积,即为APmAP即为各个class的AP的平均值mAP@IOU=0.5:0.95 指区间【0.5:0.05:0.95】内10个IOU取值下的mAP的平均值mAP50:指IOU=0.5的判定标准下mAP75:指IOU=0.75的判定标准下mAP area=small | med原创 2020-10-07 21:52:57 · 659 阅读 · 0 评论 -
【深度学习】R-CNN、Fast R-CNN、Faster R-CNN、Mask R-CNN总结
1. R-CNN论文题目:《Rich feature hierarchies for accurate oject detection and semantic segmentation》推荐博文:【深度学习】R-CNN 论文解读及个人理解架构步骤Selective Search(SS)算法:提取大约2000个候选区域RP(Region Proposal);warped region:相当于resize到固定尺寸,送入CNN;卷积神经网络CNN:对每一个RP使用CNN(论文中使用Alex原创 2020-07-25 16:52:48 · 915 阅读 · 0 评论 -
【深度学习】GoogLeNet-inception学习笔记
大话CNN经典模型:GoogLeNet(从Inception v1到v4的演进)GoogLeNet系列解读转载 2019-05-12 11:22:42 · 172 阅读 · 0 评论 -
【深度学习】ResNet学习笔记
ResNet解析对ResNet的理解ResNet学习转载 2019-05-12 15:32:54 · 436 阅读 · 0 评论 -
【Normalization】数据标准化及其主要方式
数据标准化/归一化normalization三种常用数据标准化方法转载 2019-05-30 17:01:42 · 1449 阅读 · 0 评论 -
【训练集、验证集、测试集、交叉验证】
训练集——教材验证集——作业测试集——考试训练集、验证集、测试集以及交验验证的理解机器学习中训练集、验证集和测试集的作用转载 2019-05-31 09:42:49 · 389 阅读 · 0 评论 -
【目标检测经典的常用网络】
图像分类:GoogLeNetResNet图像检测:R-CNNFast R-CNNFaster R-CNNDetectronYOLOSSD图像分割:FCNDeepLab基于深度学习的目标检测技术演进:R-CNN、Fast R-CNN、Faster R-CNN...原创 2019-06-30 11:46:42 · 7995 阅读 · 0 评论 -
【FCN】全卷积网络——图像分割
FCN的学习及理解(Fully Convolutional Networks for Semantic Segmentation)全卷积网络(FCN)与图像分割图像语义分割之FCN和CRF深度学习(二十一)基于FCN的图像语义分割FCN将传统CNN中的全连接层转化成一个个的卷积层如下图所示,在传统的CNN结构中,前5层是卷积层,第6层和第7层分别是一个长度为4096的一维向量,第8层是...转载 2019-07-19 14:34:05 · 1065 阅读 · 0 评论 -
coco数据集格式介绍
https://zhuanlan.zhihu.com/p/29393415https://blog.csdn.net/u012609509/article/details/88680841转载 2019-08-26 16:59:11 · 1313 阅读 · 0 评论 -
【NMS】非极大抑制-消除冗余,选出局部最佳
NMS——非极大值抑制深度学习——NMS(非极大抑制)排序:按得分,将所有框进行排序,选择得分最高的框删除:计算其他框与当前得分最高的框的IOU,删除IOU>阈值的框(冗余的框)迭代:保留并标记当前得分最高的框,不进行下一次的排序。回到第一步。...原创 2019-09-18 17:03:11 · 588 阅读 · 1 评论 -
【深度学习】VGGNet学习笔记
深度学习之解读VGGNetVGGNet网络结构VGGNet介绍转载 2019-05-12 10:47:33 · 295 阅读 · 0 评论 -
【深度学习】LeNet-5学习笔记
网络解析(一):LeNet-5详解深度学习 CNN卷积神经网络 LeNet-5详解转载 2019-05-12 10:29:36 · 160 阅读 · 0 评论 -
【keras】keras中的重要对象
激活对象softmaxsoftplussoftsignelurelutanhsigmoidhard_sigmoidlinear初始化对象(Initializer)ZerosOnesConstant(value=1)RandomNormalTruncatedNormalRandomUniform正则化对象正则化是防止过拟合的一个很常用的手段kernel...原创 2019-03-01 10:24:32 · 183 阅读 · 0 评论 -
【卷积神经网络CNN】学习笔记(一)用keras搭建CNN网络模型
卷积神经网络是一种自动化特征提取的机器学习模型,主要用于解决图像识别问题。从直观上讲,是一个从细节到抽象的过程。这里的关键的如何抽象,抽象就是把图像中的各种零散的特征通过某种方式汇总起来,形成新的特征。深度学习网络最上层的特征是最抽象的。卷积神经网络还依靠于反向传播的反馈机制,来自动调节过滤器来更加准确提取特征。一般一个卷积层包括3个部分:卷积、非线性变化(激活函数)、池化(Pooling)...原创 2019-03-01 18:47:29 · 6174 阅读 · 2 评论 -
【TensorFlow实战Google深度学习框架】学习笔记(tensorflow入门)
tensorflow三要素计算模型:计算图(graph)数据模型:张量(tensor)运行模型:会话(session)用tensorflow实现神经网络1、前向传播算法介绍2、用tensorflow构建前向神经网络-代码#%%import tensorflow as tffrom numpy.random import RandomState#%% [ma...原创 2019-03-02 20:04:46 · 280 阅读 · 0 评论 -
【TensorFlow 实战Google深度学习框架】学习笔记(深层神经网络)
先占坑,有时间再总结。原创 2019-03-02 21:42:37 · 191 阅读 · 0 评论 -
【TensorFlow实战Google深度学习框架】学习笔记(图像识别与卷积神经网络)
1、图像识别经典数据集Cifarcifar是32x32x3的彩色图片集2、卷积神经网络简介3、卷积神经网络常用的结构3.1卷积层Filter的深度就是Filter的个数3.2池化层4、经典卷积神经网络模型卷积神经网络结构的问题卷积层和池化层的参数配置问题5、卷积网络的迁移学习迁移学习可以总结为在别人成功的模型(网络结构和训练好的参数)的基础上修改、增减自...原创 2019-03-04 10:54:44 · 765 阅读 · 0 评论 -
epoch、iteration、batchsize的理解
epoch: 中文意思:纪元,时期。把所有的训练集跑一遍(正向传播、反向传播),就是把所有批次全部跑完。iteration: 中文意思:迭代。iteration=样本数N / batchsize,即 迭代次数=分批次数,把一批次的训练数据跑一遍(正向传播,反向传播)batchsize: 中文意思:批大小(尺寸),一批次的样本个数 ...原创 2019-04-28 13:01:59 · 834 阅读 · 0 评论 -
卷积神经网络CNN学习记录
Deep Learning论文笔记之(四)CNN卷积神经网络推导和实现Deep Learning论文笔记之(五)CNN卷积神经网络代码理解卷积神经网络卷积神经网络Deep learning:四十一(Dropout简单理解)...转载 2019-04-28 15:15:17 · 155 阅读 · 0 评论 -
【深度学习】交叉熵损失函数
简单的交叉熵损失函数,你真的懂了吗?交叉熵代价函数(损失函数)及其求导推导转载 2019-05-24 21:10:00 · 634 阅读 · 0 评论 -
【深度学习】优化方法-optimization
深度学习笔记:优化方法总结(BGD,SGD,Momentum,AdaGrad,RMSProp,Adam)深度学习最全优化方法总结比较(SGD,Adagrad,Adadelta,Adam,Adamax,Nadam)转载 2019-05-24 21:33:14 · 612 阅读 · 0 评论 -
【深度学习】AlexNet学习笔记
【深度学习】AlexNet原理解析及实现AlexNet详细解读深度学习AlexNet模型详细分析转载 2019-05-12 10:24:45 · 192 阅读 · 0 评论 -
【Keras】Keras中的两种模型:Sequential和Model
在Keras中有两种深度学习的模型:序列模型(Sequential)和通用模型(Model)。差异在于不同的拓扑结构。序列模型 Sequential序列模型各层之间是依次顺序的线性关系,模型结构通过一个列表来制定。from keras.models import Sequentialfrom keras.layers import Dense, Activationlayers =...原创 2019-03-01 09:55:40 · 18146 阅读 · 1 评论