2020年09月_沐雲小哥

原创深度学习——参数初始化

深度学习总结(一)——参数初始化https://blog.csdn.net/manong_wxd/article/details/78734725深度学习: 参数初始化https://blog.csdn.net/JNingWei/article/details/78835390

2020-09-20 08:18:25 152

原创深度学习模型压缩

深度学习模型压缩方法综述（一）https://blog.csdn.net/wspba/article/details/75671573深度学习剪枝https://blog.csdn.net/jacke121/article/details/79450321深度学习—常见问题总结（调优方法）https://www.cnblogs.com/eilearn/p/9044543.html...

2020-09-19 21:44:17 100

原创 k-means聚类的算法来获得anchor boxes详解

YOLOv3对训练数据使用了k-means聚类的算法来获得anchor boxes详解过程：第一步：首先我们要知道我们需要聚类的是bounding box，所以我们无需考虑其所属类别，第一步我们需要将所有的bounding box坐标提取出来，也许一张图有一个矩形框，也许有多个，但是我们需要无区别的将所有图片的所有矩形框提取出来，放在一起。第二步：数据处理获得所有训练数据bounding boxes的宽高数据。给的训练数据往往是其bounding box的4个坐标，但是我们后续需要聚类分析的是bound

2020-09-09 19:41:05 2685

原创目标检测算法原理详解

基于滑动窗口的目标检测算法。假如你想构建一个汽车检测算法，步骤是(以上图为例），首先创建一个标签训练集，也就是x和y表示适当剪切的汽车图片样本，这张图片（编号1）x是一个正样本，因为它是一辆汽车图片，这几张图片（编号2、3）也有汽车，但这两张（编号4、5）没有汽车。出于我们对这个训练集的期望，你一开始可以使用适当剪切的图片，就是整张图片x几乎都被汽车占据，你可以照张照片，然后剪切，剪掉汽车以外的部分，使汽车居于中间位置，并基本占据整张图片。有了这个标签训练集，你就可以开始训练卷积网络了，输入这些适当

2020-09-09 09:33:42 3615

原创目标检测之目标定位

目标检测是计算机视觉领域中一个新兴的应用方向，相比前两年，它的性能越来越好。在构建对象检测之前，我们先了解一下对象定位，首先我们看看它的定义。图片分类任务我们已经熟悉了，就是算法遍历图片，判断其中的对象是不是汽车，这就是图片分类。这节课我们要学习构建神经网络的另一个问题，即定位分类问题。这意味着，我们不仅要用算法判断图片中是不是一辆汽车，还要在图片中标记出它的位置，用边框或红色方框把汽车圈起来，这就是定位分类问题。其中“定位”的意思是判断汽车在图片中的具体位置。这周后面几天，我们再讲讲当图片中有多个

2020-09-08 19:41:22 6232 1

原创迁移学习（Transfer Learning）深度学习常用方法

如果你要做一个计算机视觉的应用，相比于从头训练权重，或者说从随机初始化权重开始，如果你下载别人已经训练好网络结构的权重，你通常能够进展的相当快，用这个作为预训练，然后转换到你感兴趣的任务上。计算机视觉的研究社区非常喜欢把许多数据集上传到网上，如果你听说过，比如ImageNet，或者MS_COCO，或者Pascal类型的数据集，这些都是不同数据集的名字，它们都是由大家上传到网络的，并且有大量的计算机视觉研究者已经用这些数据集训练过他们的算法了。有时候这些训练过程需要花费好几周，并且需要很多的GPU，其它人

2020-09-08 15:58:50 3786

原创 1×1 卷积核的作用

作用：1、降维（减少参数）例子1 : GoogleNet中的3a模块输入的feature map是28×28×1921×1卷积通道为643×3卷积通道为1285×5卷积通道为32左图卷积核参数：192 × (1×1×64) +192 × (3×3×128) + 192 × (5×5×32) = 387072右图对3×3和5×5卷积层前分别加入了通道数为96和16的1×1卷积层，这样卷积核参数就变成了:192 × (1×1×64) +（192×1×1×96+ 96 × 3×3×128）+（1

2020-09-08 12:45:33 550

原创非线性激活函数的作用

为什么需要非线性激活函数？（why need a nonlinear activation function?）为什么神经网络需要非线性激活函数？事实证明：要让你的神经网络能够计算出有趣的函数，你必须使用非线性激活函数，证明如下：这是神经网络正向传播的方程（看图中公式）现在我们去掉函数g，然后令，或者我们也可以令g(z)=z，这个有时被叫做线性激活函数（更学术点的名字是恒等激励函数，因为它们就是把输入值输出）。为了说明问题我们把，那么这个模型的输出y或仅仅只是输入特征x的线性组合。如果我们改

2020-09-07 19:27:40 5409

weixin_44533869的博客