Deep Learning
文章平均质量分 64
zhengzibing2011
这个作者很懒,什么都没留下…
展开
-
提升语义分割性能的几种方法
本文主要记录几种提升基于深度学习的图像语义分割精度的方法,以防忘记! By zhengzibing2011, 2017年10月21日-星期六1.图像语义分割面临的挑战(1).特征分辨率减小:主要是由神经网络中的重复最大池化和降采样(stride跨越)操作造成的,而采用此种操作的原因是 A.降维,以免参数过多难以优化;原创 2017-10-21 17:46:25 · 10581 阅读 · 2 评论 -
看论文,做笔记系列(1)——Network in Network
重读论文《Network in Network》,发现有几点值得记录的地方,特记录在此!1.意义传统的convolution filter 是一个GLM(generalized linear model),其对图像局部区域的抽象能力有限。 使用基于GLM的传统CNN均内在的假设潜在的图像空间线性可分,但实际上可能并非如此。为解决该问题,传统CNN采用了较多的filter(超完备)对input进行卷原创 2017-10-23 17:53:26 · 413 阅读 · 0 评论 -
caffe层笔记系列Loss层
SoftmaxWithLoss1. 可选参数 1) ignore_label int型变量,默认为空。 如果指定值,则label等于ignore_label的样本将不参与Loss计算,反向传播时梯度直接置0。 2) normalize bool型变量,即Loss会除以参与计算的样本总数,否则Loss等于直接求和。 3) normalization enum型变量,默认为VALID,详细情原创 2017-12-09 16:29:59 · 305 阅读 · 0 评论