fish的专栏

对ResNet的初步解读和实验结果在cifar10上复现

在cifar10上完美复现ResNet结果，得到了比论文中更好的结果

前段时间做的都是classification的工作。这周有时间，正好研究一下很感兴趣的object detection。目前得出的结果都是基于RBG大神在13年所提出的开创性工作——R-CNN。这一结构可以看作是将CNN应用到Object Detection领域的开山之作。在ImageNet/VOC/MSCOCO上所有顶尖的方法都是基于这个结构或其变种，可见其影响之大。今天我们就来学习一下这篇

通过对ImageNet上训练出来的模型（如CaffeNet,VGGNet,ResNet)进行微调，然后应用到我们自己的数据集上

RCNN后续,fast-rcnn

一.前言CNN作为一个著名的深度学习领域的“黑盒”模型，已经在计算机视觉的诸多领域取得了极大的成功，但是，至今没有人能够“打开”这个“黑盒”，从数学原理上予以解释。这对理论研究者，尤其是数学家来说当然是不可接受的，但换一个角度来说，我们终于创造出了无法完全解释的事物，这也未尝不是一种进步了！当然，虽然无法完全“打开”这个“黑盒”，但是仍然出现了很多探索这个“黑盒”的尝试工作。其中一个工作就是今天我...

感谢@huangh12 @郑途 @麦田守望者对标签图像生成的研究和讨论，这几天研究了一下，补充如下。-----------------------------------------------------分割线------------------------------------------------------谢谢@潘达的评论，这一篇确实有很多点没有分析完，当时想着后来加上去，但是由于工作...

1.前言好久没有更新专栏了,最近因为项目的原因接触到了PyTorch,感觉打开了深度学习新世界的大门.闲暇之余就用PyTorch训练了最近在图像分类上state-of-the-art的CNN模型,正好在文章中总结如下:ResNet [1, 2]Wide ResNet [3]ResNeXt [4]DenseNet [5]DPNet [9]NASNet [10]