loss函数总结
Holo-bo
Intelligent and automatic systems are revolutionarily changing the world again.
展开
-
让我们深入到vector中看一下softmax做了什么
softmax回归的原理,的数学原理softmax的数学原理caffe的SoftmaxWithLoss层的实现1.softmax的数学原理与logistic regression相比,softmax的不同之处在于适用于多分类问题。而logistic regression只可以解决二分类。我们来看softmax函数的定义: J(θ)=−1m∑i=1m∑j=1k1{y(i)=j}l原创 2017-10-07 19:11:43 · 517 阅读 · 0 评论 -
CenterLoss的caffe实现与深入理解
CenterLoss的caffe实现与深入理解目的:打算将centerloss与SSD的multibox_loss融合,或者与faster-rcnn的softmax回归融合。 项目代码将会发布到:https://github.com/BOBrown思路概述:paper title:A Discriminative Feature Learning Approach for D...原创 2018-07-11 15:33:59 · 3764 阅读 · 12 评论 -
目标检测:SSD之损失函数的改进
SSD 的损失函数改进以下改进已经实现在github中: https://github.com/BOBrown/SSD-Centerloss(1)centerl loss改进centerloss的理解请参考博文 https://blog.csdn.net/zbzb1000/article/details/81001546传统SSD目标检测算法是对每一个default生成一个4维的l...原创 2018-07-22 14:17:39 · 10479 阅读 · 3 评论