- 博客(6)
- 收藏
- 关注
RSS订阅原创 深度学习，语义分割---FCN （Fully Convolutional Networks for Semantic Segmentation）
贡献： a)为语义分割引入了 端到端 的全卷积网络 端到端：输入是原始数据，输出是最后的结果，特征可以自己去学习，所以特征提取这一步也就融入到算法当中，不需要人来干预了。原来输入端不是直接的原始数据，而是在原始数据中提取的特征，因为图像像素数太多，数据维度高，会产生维度灾难，所以原来一个思路是手工提取图像的一些关键特征，这实际就是就一个降维的过程 b)重新利用 ImageNet 的预训练网络用于语...
2019-01-11 23:08:14
670
原创 A Review on Deep Learning Techniques Applied to Semantic Segmentation
1.语义分割:指像素级地识别图像，即标注出图像中每个像素所属的对象类别; 使用one-hot(https://www.cnblogs.com/daguankele/p/6595470.html)编码对类标签进行处理，实质上是为每个可能的类创建相应的输出通道。 最后，可以通过argmax将每个深度方向像素矢量折叠成分割图 池化层：池化层虽然扩大了感受野、聚合语境，但因此造成了位置信息的丢失； 全...
2019-01-11 23:01:56
899
原创 Deep Residual Learning for Image Recognition(深度残差学习在图像识别中的应用)
1.https://blog.csdn.net/C_chuxin/article/details/82948733 2.http://www.360doc.com/content/16/0314/09/2459_542023685.shtml 3.随着网络层数的增加, vanishing/exploding gradients(即梯度的消失或发散), 这就导致训练难以收敛, but normali...
2019-01-11 22:55:44
245
原创 Inception-v3 Rethinking the Inception Architecture for Computer Vision
1.摘要： 旨在通过适当的分解卷积和积极的正则化 2.VGGNet[18]具有架构简洁的强有力特性，但它的成本很高：评估网络需要大量的计算。 3.GoogleNet只使用了500万参数，与其前身AlexNet相比减少了12倍，AlexNet使用了6000万参数。此外，VGGNet使用了比AlexNet大约多3倍的参数。 4.信息内容不能仅通过表示的维度来评估，因为它丢弃了诸如相关结构的重要因素；维...
2019-01-11 22:53:23
161
原创 （VGG）VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION
VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION（VGG） 1.特点： （1）可以看到共有5个池化层,所以可以把卷积部分视为5个部分,和AlexNet一样,只不过每一个部分他用了不止一层卷积层。 （2）所有卷积层都是同样大小的filter!尺寸3x3,卷积步长Stirde = 1,填充Padding = 1!...
2019-01-11 22:51:34
127
原创 (AlexNet) ImageNet Classification with Deep Convolutional Neural Networks
ImageNet Classification with Deep Convolutional Neural Networks (AlexNet) https://blog.csdn.net/hit2015spring/article/details/53649183 网络有8层结构——5层卷积层和三层全连接层，最后一个全连接层的输出被送到一个1000-way的softmax层，其产生一个覆盖1...
2019-01-11 22:47:54
646
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人