深度学习
Hello Python
这个作者很懒,什么都没留下…
展开
-
EffecientDet论文学习2
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档EffecientDet论文学习2前言前言论文地址:EfficientDet: Scalable and Efficient Object Detection在如今计算机视觉研究历程中,模型的效率变得愈发的重要。那么如何提高模型的效率成为了现在研究的热门。例如有一些网络是用One-stage和无锚检测器,亦或者是压缩现有的模型。那这些模型虽然在一定程度上提高了效率,却同时会失去掉一定的准确性。EfficientDet 研究就是在有限原创 2020-11-09 13:31:11 · 321 阅读 · 1 评论 -
EffecientDet论文学习1
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档EffecientDet一、一、原创 2020-11-09 12:05:45 · 199 阅读 · 1 评论 -
Dropout、Dropconnect、Dropblock
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档LN.BN.GN.IN一、归一化一、归一化原创 2020-11-08 20:15:20 · 1435 阅读 · 0 评论 -
LN.BN.GN.IN
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档目标检测之SSD一、前言一、前言原创 2020-11-04 23:52:17 · 289 阅读 · 0 评论 -
IOU .GIOU.DIOU.CIOU
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档IOU .GIOU.DIOU.CIOU一、IOU(Intersection over Union)二、GIOU(Generalized Intersection over Union)三、DIoU(Distance-IoU)四、CIoU(Complete-IoU)一、IOU(Intersection over Union)IoU就是交并比,也可以直观的认为是边框与真实框的重合度。是目标检测中最常用的指标,在anchor-based方法原创 2020-11-04 21:35:55 · 277 阅读 · 0 评论 -
NMS、soft NMS、softer NMS与IOU-Guided NMS
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档NMS、soft NMS、softer NMS与IOU-Guided NMS一、NMS二、soft NMS三、softer NMS**四、IOU-Guided NMS**一、NMS非极大值抑制算法(Non-maximum suppression, NMS)的本质是搜索局部极大值,抑制非极大值元素。在计算机视觉技术中主要目的是为了消除多余的框,找到最佳的物体检测的位置,几乎所有的目标检测方法都用到了这种后处理算法。如上图中,一共原创 2020-11-04 21:19:03 · 885 阅读 · 5 评论 -
ROI Pool、ROI Align、PSROI Pool、PrROI Pool
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档ROI Pool、ROI Align、PSROI Pool、PrROI Pool基本概念一、ROI Pool二、ROI Align三、PSROI Pool四、PrROI Pooling(Precise RoI Pooling )基本概念ROIRoI(Region of Interest)是通过不同区域选择方法,从原始图像(original image)得到的兴趣区域,为进一步生成bounding box做准备。bounding b原创 2020-11-04 20:40:50 · 1423 阅读 · 0 评论 -
目标检测之SSD
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档目标检测之SSD一、前言二、SSD(Single Shot MultiBox Detector)SSD相对于YOLO的优势:三、SSD训练过程膨胀卷积:四、SSD预测过程一、前言目标检测近年来已经取得了很重要的进展,主流的算法主要分为两个类型(参考RefineDet):(1)two-stage方法如R-CNN系算法,其主要思路是先通过启发式方法(selective search)或者CNN网络(RPN)产生一系列稀疏的候选框,然后原创 2020-11-04 18:20:16 · 347 阅读 · 0 评论 -
目标检测之Faster RCNN-2
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档目标检测之Faster RCNN-2一、RPN图像分类(Image Classification)一、RPN计算机视觉中图像处理的任务大致可以分为几类:图像分类,目标检测,语义分割,实例分割,全景分割等。conv layer的特征图,再分别与进行两次卷积运算,得到batchsize18(M/16)(N/16)和batchsize36(M/16)(N/16)的两个矩阵,前面为RPN得到的分类结果(只有前景和目标两类+忽略类),后面的原创 2020-11-04 16:04:35 · 358 阅读 · 0 评论 -
目标检测之Faster RCNN-1
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档pytorch基础学习6一、语法 x = x.view(x.size(0), -1)文档:view(*args) → Tensor一、语法 x = x.view(x.size(0), -1)文档:view(*args) → Tensor返回...原创 2020-11-04 11:42:53 · 223 阅读 · 0 评论 -
卷积神经网络基础学习1
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档卷积神经网络基础学习1一、Resnet模块二、 Bottleneck一、Resnet模块1.残差网络出现的原因传统的卷积层层叠网络会遇到一个问题,当层数加深时,网络的表现越来越差,很大程度上的原因是因为当层数加深时,梯度消散得越来越严重,以至于反向传播很难训练到浅层的网络。为了解决这个问题,想出了一个“残差网络”,使得梯度更容易地流动到浅层的网络当中去,而且这种“skip connection”能带来更多的好处。2.构建残差网络原创 2020-10-30 21:31:36 · 339 阅读 · 0 评论 -
pytorch基础学习5
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档pytorch之常用语法一、时序容器二、池化max-pooling(平均池化)max-pooling(最大池化)一、时序容器class torch.nn.Sequential(* args)一个时序容器。Modules 会以他们传入的顺序被添加到容器中。当然,也可以传入一个OrderedDict。容器通常用来创建神经网络一个新的网络层,该网络层里卷积,归一化,激活函数等等都可以自行定义多少个,以什么样的顺序添加进去,就会以什么样的原创 2020-10-30 15:46:31 · 1030 阅读 · 0 评论 -
pytorch基础学习2
pytorch之交叉熵损失函数一、交叉熵Pytorch中计算的交叉熵并不是采用而是它是交叉熵的另外一种方式。Pytorch中CrossEntropyLoss()函数的主要是将softmax-log-NLLLoss合并到一块得到的结果。实际等同于:CrossEntropyLoss()=log_softmax() + NLLLoss()交叉熵损失函数是常常用来来解决C分类问题的,需要给函数提供输入是一个一维的数据,输出的是给每个类别一个权重(或者说是概率)。对于不平衡的数据集非常有用。“输原创 2020-10-29 16:50:22 · 148 阅读 · 0 评论