![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文复现
文章平均质量分 90
经典论文复现专题,简单学习框架使用以及通过代码复现详细了解经典论文的原理
L的知识库
前BAT算法工程师,主要从事CV方向
展开
-
YOLOv3算法原理以及paddle实现
YOLOv3算法原理以及paddle实现根据paddle零基础入门课整理的YOLOv3学习笔记。1. 概述经典的R-CNN系列算法也被称为两阶段目标检测算法,由于这种方法需要先产生候选区域,再对候选区域做分类和位置坐标的预测,因此算法速度非常慢。与此对应的是以YOLO算法为代表的单阶段检测算法,只需要一个网络即可同时产生候选区域并预测出物体的类别和位置坐标。与R-CNN系列算法不同,YOLOv3使用单个网络结构,在产生候选区域的同时即可预测出物体类别和位置,不需要分成两阶段来完成检测任务。另外,YO原创 2022-02-14 17:43:20 · 3700 阅读 · 2 评论 -
Pytorch经典模型复现系列(二)分类网络:VGGNet
Pytorch经典模型复现系列(二)分类网络:VGGNet论文:VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION复现代码:https://github.com/lvjian0706/CNN-repetition.git网络简介VGG的主要工作是证明了增加网络的深度能够在一定程度上影响网络最终的性能。VGG有两种结构,分别是VGG16和VGG19,两者并没有本质上的区别,只是网络深度不一样。VGG16的一个主要改进是原创 2020-06-20 10:51:18 · 1033 阅读 · 0 评论 -
Pytorch经典模型复现系列(一)分类网络:AlexNet
Pytorch经典模型复现系列(一)分类网络:AlexNet论文:ImageNet Classification with Deep Convolutional Neural Networks复现代码:https://github.com/lvjian0706/CNN-repetition.git网络简介CNN的经典网络,发表于2012年,在ImageNet竞赛上以领先第二名10%的准确度夺得冠军。掀起了卷积神经网络在图像领域的热潮。AlexNet共包含五个卷积层和三个全连接层;使用ReLu函数来原创 2020-06-20 10:47:48 · 972 阅读 · 1 评论 -
UNet算法原理解读及paddle实现
UNet算法原理解读及paddle实现U-Net网络是一个非常经典的图像分割网络,起源于医疗图像分割,具有参数少、计算快、应用性强的特点,对于一般场景适应度很高。U-Net最早于2015年提出,并在ISBI 2015 Cell Tracking Challenge取得了第一。U-Net的结构是标准的编码器-解码器结构,如 图1 所示。左侧可视为一个编码器,右侧可视为一个解码器。图像先经过编码器进行下采样得到高级语义特征图,再经过解码器上采样将特征图恢复到原图片的分辨率。网络中还使用了跳跃连接,即解码器每原创 2022-02-14 17:52:25 · 6758 阅读 · 3 评论