深度学习
文章平均质量分 84
铭钥~情缘
这个作者很懒,什么都没留下…
展开
-
DSOD: Learning Deeply Supervised Object Detectors from Scratch论文理解
DSOD:从零开始学习深度监督的对象检测器 背景 以前的目标检测算法基本都是先在 ImageNet 数据库上进行预训练,然后再微调。这个微调也叫做迁移学习 transfer learning。在 pretrained models 上微调有两个好处: 1)有很多好的模型是开源的,可以直接将他们用于目标检测; 2)微调可以快速获得最终的模型,需要的训练数据也相对较少。 但是微调在目标检测问题上也有缺点: 1.Limited structure design space, 基于 ImageNet 分类数据库的预原创 2021-03-13 10:00:12 · 280 阅读 · 0 评论 -
RCNN,Fast RCNN,Faster RCNN总结(个人理解)
RCNN,Fast RCNN,Faster RCNN总结(个人理解) 文章目录RCNN,Fast RCNN,Faster RCNN总结(个人理解)前言一、R-CNN二、FAST-RCNN三、FASTER-RCNN 前言 R-CNN系列论文(R-CNN,fast-RCNN,faster-RCNN)是使用深度学习进行物体j检测的鼻祖论文,以下则是我对这三种方法的一个步骤总结。 其实,无论是哪一种检测方法,它的一张流程图就已经是整个算法很好的总结了,在下面我会贴出相应图片。 一、R-CNN (1)image in原创 2021-02-11 20:02:39 · 351 阅读 · 0 评论