- 博客(11)
- 收藏
- 关注
RSS订阅原创 神经网络中的一些名词解释
Batch Normalization批标准化因为深层神经网络在做非线性变换前的激活输入值（就是那个x=WU+B，U是输入）随着网络深度加深或者在训练过程中，其分布逐渐发生偏移或者变动，之所以训练收敛慢，一般是整体分布逐渐往非线性函数的取值区间的上下限两端靠近（对于Sigmoid函数来说，意味着激活输入值WU+B是大的负值或正值），所以这导致反向传播时低层神经网络的梯度消失，这是训练深层神经网络...
2019-11-26 19:42:14
590
原创 深度学习目标检测SSD算法
参考博客:https://blog.csdn.net/u010712012/article/details/86555814SSD网络模型Choosing scales and aspect ratios for default boxes各参数代表意义:m:特征图的个数,本文是5(conv4_3是单独设置default box的)sk: 表示default box大小相对于图片的比例...
2019-11-25 18:33:24
344
转载 Python图像处理PIL各模块详细介绍
转载博客:https://blog.csdn.net/zhangziju/article/details/79123275Image模块是在Python PIL图像处理中常见的模块，对图像进行基础操作的功能基本都包含于此模块内。如open、save、conver、show…等功能。open类 Image.open(file) ⇒ image Image.open(file, mo...
2019-11-09 12:21:27
297
转载 上采样(upsample)
转载链接：https://blog.csdn.net/wydbyxr/article/details/83819089上采样(upsample)的方法 在神经网络中，扩大特征图的方法，即upsample/上采样的方法 1）unpooling：恢复max的位置，其余部分补零 2）deconvolution(反卷积)：先对input补零，再conv 3）插值方法，双线性插值等； ...
2019-10-29 19:19:19
1732
原创 Bounding-box 回归
参考博客:https://blog.csdn.net/WoPawn/article/details/52133338Bounding-box 回归这里,个人理解是 , 训练时,最小二乘法有输入,真实输出,以及线性拟合的输出.这里分别对应如下:输入:通过卷积网络层提取出来的特征向量+候选框的位置真实输出:候选框的位置要变多少的真实值线性拟合的输出:构造线性函数d*( P) = wTϕ...
2019-10-22 14:36:29
108
原创 【目标检测】R-CNN笔记
参考博客：https://blog.csdn.net/briblue/article/details/82012575 作者：frank909一、背景摘要R-CNN经典论文的题目是 《Rich feature hierarchies for accurate oject detection and semantic segmentation》，翻译过来就是针对高准确度的目标检测与语义分割...
2019-10-15 14:40:27
622
转载 卷积神经网络中感受野的详细介绍
转载博客：https://blog.csdn.net/program_developer/article/details/80958716卷积神经网络中感受野的详细介绍感受野的概念在卷积神经网络中，感受野（Receptive Field）的定义是卷积神经网络每一层输出的特征图（feature map）上的像素点在输入图片上映射的区域大小。再通俗点的解释是，特征图上的一个点对应输入图上的区...
2019-10-13 15:34:13
254
转载 R-CNN论文翻译
<div class="article-copyright"> <span class="creativecommons"> <a rel="license" href="http://creativecommons.org/lice...
2019-09-10 21:47:36
551
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人