![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像分类
文章平均质量分 94
热血厨师长
个人学习记录
展开
-
狗都能看懂的Pytorch MAML代码详解
maml:一种神奇的元学习训练方式原创 2022-08-02 18:23:12 · 11011 阅读 · 49 评论 -
狗都能看懂的CenterNet讲解及代码复现
狗都能看懂的CenterNet讲解及代码复现原创 2022-06-23 09:38:47 · 9422 阅读 · 14 评论 -
狗都能看懂的Vision Transformer的讲解和代码实现
狗都能看懂的Vision Transformer和代码复现原创 2022-01-24 14:46:33 · 42828 阅读 · 39 评论 -
EfficientNet解读:神经网络的复合缩放方法(基于tf-Kersa复现代码)
论文:https://arxiv.org/pdf/1905.11946.pdf代码:https://github.com/qubvel/efficientnet1、介绍EfficientNet这篇论文在发布之初就引起了广泛关注,原因是因为它展示出的结果将现有的网络全部秒杀了,并且在准确率高出一截的情况下,参数量还少,在ImageNet上屠榜。看到这让人叹为观止的结果,很多人会认为这篇论文应该是提出了全新的结构,才能做到又快又好。其实并不是这样,作者独辟蹊径,从一个之前完全没有人注意的角度:量化三个原创 2021-02-10 21:04:42 · 3142 阅读 · 0 评论 -
DropBlock: 卷积层的正则化方法及复现代码
论文:https://arxiv.org/pdf/1810.12890.pdf1、什么是Dropout?我相信各位一定了解过Dropout,所谓Dropout就是提高神经网络泛化性一种方法,可以有效减轻过拟合。为什么它有效呢?从下图分析:一个标准的神经网络如图(a)所示,由于训练数据(假设为人脸数据)的局限性,使得神经网络很依赖于某一个神经元,而其他神经元相当于没有起作用,网络每次都只通过眼睛来判断是不是个人。如果此时直接拿一个全新的测试数据集让这个网络进行识别,很可能因为图片中眼睛被遮挡而得出错误原创 2021-02-09 12:27:13 · 2919 阅读 · 2 评论 -
DenseNet详解及Keras复现代码
代码地址:https://github.com/liuzhuang13/DenseNet论文地址:https://arxiv.org/pdf/1608.06993.pdf1、DenseNet随着卷积神经网络变得越来越深,一个新的问题出现了:当输入或梯度信息在经过很多层的传递之后,在到达网络的最后(或开始)可能会消失或者“被冲刷掉”(wash out)。DenseNet(Dense Convolutional Network)主要还是和ResNet及Inception网络做对比,思想上有借鉴,但却是不一原创 2021-02-08 12:10:29 · 3361 阅读 · 6 评论 -
ResNet详解:ResNet到底在解决什么问题?
计算机视觉的圣经ResNet!原创 2021-02-07 11:27:07 · 8500 阅读 · 2 评论 -
SENet详解及Keras复现代码
SENet详解论文地址:https://arxiv.org/pdf/1709.01507.pdf代码地址:https://github.com/hujie-frank/SENet1、通道间的特征关系近些年来,卷积神经网络在很多领域上都取得了巨大的突破。而卷积核作为卷积神经网络的核心,通常被看做是在局部感受野上,将空间上(spatial)的信息和特征维度上(channel-wise)的信息进行聚合的信息聚合体。卷积神经网络由一系列卷积层、非线性层和下采样层构成,这样它们能够从全局感受野上去捕获图像的特原创 2021-02-02 10:18:16 · 7951 阅读 · 16 评论