深度学习
文章平均质量分 78
CV为主会有一些其它的,仅仅是个人的理解,不一定完全正确。
wenruo~
这个作者很懒,什么都没留下…
展开
-
Scalable Object Detection using Deep Neural Networks 阅读笔记
Scalable Object Detection using Deep Neural Networks 基于深度神经网络的可伸缩目标检测 14年的文章 是一个用于检测的显著性启发式神经网络模型, 分为 “定位”+“识别”两步 解决 将深度网络应用到多object,并且object未知的情况 穷举候选区导致计算量过大 过程 在图像上生成候选区域 本文重点 检测算法DeepMultiBox 一次预测多个边界框 让CNN输出一定数量的bounding boxes(每个box用4个参数表示,分别是.原创 2021-10-10 22:06:41 · 136 阅读 · 0 评论 -
OverFeat 阅读笔记
一篇14年的老论文了,按照现在的发展速度,算的上是上古时代的东西了,现在主要是参考一下当时的思想 关于特征提取器overfeat OverFeat是早期经典的one-stage Object Detection的方法,基于AlexNet,实现了识别、定位、检测共用同一个网络框架 Overfeat 设计了一个分类和检测 定位的统一框架即使用单个共享网络完成这三个任务 关系为 分类->定位->检测 它是特征提取器 注意在deep learing 的DCNN模型使用的初期,模型往原创 2021-09-22 22:15:58 · 98 阅读 · 0 评论 -
RCNN 阅读笔记
Rich feature hierarchies for accurate object detection and semantic segmentation 名字由来: 候选区域与CNN相结合 Region proposals+CNN、 该篇是利用深度学习进行目标检测的开山之作 将深度神经网络用于了目标检测和分割并应用了迁移学习 分成三个部分 第一部分SS算法提取候选区 第二部分特征提取(使用CNN实现) 第三部分 分类器(SVM) 边界框回归器 这两部分都是单独训练的 伯克利.原创 2021-09-22 22:15:32 · 153 阅读 · 0 评论 -
深度学习之路
从这里开始吧 早在高中,在英语、语文的阅读理解中,一次次的看到AI的神奇。从围棋人机大战中的阿尔法狗,到波士顿动力。尽管那是一种雾里看花的感觉,却也有种莫名的感觉。 到了大学,选择了计算机这条路。更加对AI有兴趣,迫切想了解这方面的知识。奈何,就读的学校并非优秀,网上众说纷纭,自己摸索一阵子后,辛苦无果。偶而请教网上的大牛,讲解一二,总是不太透彻。也没法叨扰太多。便下定决心,请个老师。 后来遇到了一个挺厉害的老哥,给了一些建议,就决定跟着他学,也就算是找了个能花钱解决问题的老师。老师告诉我AI是一个很大的概原创 2021-09-20 22:56:39 · 107 阅读 · 0 评论