![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像分类
文章平均质量分 94
点PY
If you cannot risk, you cannot grow. If you cannot grow, you cannot become you best. If you cannot become you best, you cannot be happy. If you cannot be happy, what else matters?
展开
-
使用GradCam解密卷积神经网络
文章目录概述方法实现过程结论 概述 卷积神经网络(CNNs)和其他深度学习网络在各种计算机视觉任务中实现了前所未有的突破,从图像分类到目标检测、语义分割、图像字幕,以及最近的视觉问题回答。虽然这些网络具有优越的性能,但它们缺乏可分解为直观和可理解的组件的能力,因此很难解释它们。因此,当今天的智能系统出现故障时,它们会在没有警告或解释的情况下异常地失败,让用户盯着不连贯的输出,想知道为什么。 深度学习模型的可解释性对于建立信任以及将其成功融入我们的日常生活至关重要。为了实现这一目标,模型透明性对于解释他们为什原创 2021-02-01 11:30:54 · 768 阅读 · 0 评论 -
使用CAM解密卷积神经网络
code:https://github.com/philipperemy/tensorflow-class-activation-mapping paper:https://arxiv.org/abs/1512.04150 文章目录前言网络架构简单的工作实现和结果结论 前言 无论是金融领域的股票价格预测,还是计算机视觉领域的目标检测和分割等复杂任务,机器学习在各个领域的应用都在迅猛发展。人工智能革命已经席卷了所有领域,在某些领域,机器学习算法的表现甚至超过了人类水平。例如,ImageNet挑战是每年组织等各原创 2021-02-01 10:59:52 · 1231 阅读 · 0 评论 -
ResNet全家桶
文章目录ResNetResNet中的Bottleneck结构和1*1卷积ResNet的网络设计规律ResNextResNeStRes2NetPyConvResNet参考 ResNet 2015 年,ResNet 横空出世,一举斩获 CVPR 2016 最佳论文奖,而且在 Imagenet 比赛的三个任务以及 COCO 比赛的检测和分割任务上都获得了第一名。四年过去,这一论文的被引量已超 40000 次.。 我们知道,增加网络深度后,网络可以进行更加复杂的特征提取,因此更深的模型可以取得更好的结果。但事实并非原创 2020-06-29 14:43:21 · 1134 阅读 · 0 评论 -
COVIDClassification_FlyAI第三名参赛方案
COVIDClassification_FlyAI 文章目录COVIDClassification_FlyAI1 数据增强1.1 基于albumentations的数据增强:1.2 数据增强之FMIX:2 模型结构与设计3 超参数设置4 模型集成与TTA4.1 模型集成4.2 TTA答辩视频 1 数据增强 1.1 基于albumentations的数据增强: 这个数据增强库在各大机器学习平台上极受欢迎,其增强效率、方法之多远甚于其他数据增强库。 主要采用了以下数据增强方法: (1)重新调整图像大原创 2020-06-07 19:55:55 · 365 阅读 · 0 评论