Ian Wong

写在前面笔者自2020.10.13学习卷积神经网络相关知识，于此仅做笔记记载。声明：1.本文为个人学习总结，部分内容（包括数学公式）是来自书籍及网上的资料。具体引用的资料请看参考文献。具体的版本声明也参考原文献。2.本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应，更有些部分本来就是直接从其他博客复制过来的。如果某部分不小心侵犯了大家的版权，还望海涵，并联系本人删除或修改。卷积神经网络学习笔记写在前面一、综述二、各层介绍2.1 输入层（Input Layer）常见三种图像数据预处

声明本文仅为学习笔记，不做任何商用，在编写过程中参考甚至复制了其他博主的文章，如有冒犯可联系我进行删除，在此十分抱歉。基于全卷积网络的语义分割一、概述论文地址GitHub 代码地址卷积神经网络（CNN）一直在驱动图像处理领域的进步，无论是整张图片的分类(ILSVRC),还是物体检测，关键点检测都在CNN的帮助下得到了非常大的发，但是图像语义分割不同于以上任务，这是个空间密集型（spatial dense prediction）的预测任务，这需要预测一幅图像中所有像素点的类别。以往的用于语义分割

声明：本博客仅为学习笔记，其中摘用了多位博主的博客文章，若侵权请联系本人进行删除。一、安装Ubuntu系统1.烧录Ubuntu20.04的iso镜像文件到U盘中，制作好启动盘，烧录软件为UltraIso;2.进入bios系统界面，设置为U盘启动；3.重启电脑进入Ubuntu系统安装；4.按照指示进行安装，具体操作详情可参考下附参考博客。安装完成界面如下图：附录1：参考博客参考链接1：主机装Ubuntu参考链接2：硬盘装Ubuntu参考博客3：Ubuntu下输入法汉化附录2：遇到的问题