深度学习
文章平均质量分 91
zlzlzl8951
这个作者很懒,什么都没留下…
展开
-
【沙漏网络】hourglass网络结构
详见:https://blog.csdn.net/u013841196/article/details/81048237转载 2020-07-13 16:50:34 · 2451 阅读 · 0 评论 -
深度可分离卷积理解
请参考如下两篇文章:https://blog.csdn.net/makefish/article/details/88716534https://blog.csdn.net/makefish/article/details/88716534转载 2020-07-06 14:20:04 · 136 阅读 · 0 评论 -
【Pytorch学习】损失函数
1.关于熵、交叉熵、softmax_cross_entroy与binary_cross_entroy的初步理解:https://www.jianshu.com/p/47172eb86b39https://blog.csdn.net/qq_22210253/article/details/85222093?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&转载 2020-06-18 15:41:54 · 179 阅读 · 0 评论 -
【神经网络设计系列】二、深度学习高效网络结构设计
本文转自:https://zhuanlan.zhihu.com/p/53175018这一年来一直在做高效网络设计的工作,2018年即将结束,是时候写一篇关于高效网络设计的总结。首先看看当前业界几个最负盛名的高效网络简介:以上网络的目标主要有三个:权重少、计算少、速度快。这三者之间不存在着严格的相关关系,它们是三个独立的目标。即权重少不代表计算量少;计算量少不代表速度快。高效网络...转载 2020-04-06 17:56:55 · 501 阅读 · 0 评论 -
【神经网络设计系列】一、高效卷积神经网络一览
本文转载自:https://zhuanlan.zhihu.com/p/54082978这里梳理了一下当前几个高效卷积神经网络,包括mobilenet[1]、mobilenetv2[2]、shufflenet[3]、shufflenetv2[4]、xception[5]、light xception[6]。梳理的目的有二:1、神经网络结构的细节在文章中一般会散落在各处,通过梳理,我们将网...转载 2020-04-06 17:54:55 · 303 阅读 · 0 评论 -
【目标检测重思考系列】五、anchor与anchor free
本文主要转载自:https://zhuanlan.zhihu.com/p/730244081、为什么需要anchor机制anchor机制由Faster-RCNN提出,而后成为主流目标检测器的标配,例如SSD、Yolov2、RetinaNet等等。Faster-RCNN中使用anchor机制的motivation如下:In contrast to prevalent methods ...转载 2020-04-06 17:32:38 · 1184 阅读 · 0 评论 -
【目标检测重思考系列】四、深度卷积神经网络中的升采样
本文主要转自:https://zhuanlan.zhihu.com/p/41427866语义分割中的FCN、U-Net,目标检测中的FPN、DSSD、YOLOV3等模型为了增强模型效果,都会通过hour glass结构来融合低层和高层的信息,这样融合后的特征既具有高层特征的抽象语意信息,又具有低层特征的细节信息。而低层特征feature map比高层特征feature map大,为了融合,需要...转载 2020-04-06 17:22:25 · 331 阅读 · 0 评论 -
【目标检测重思考系列】三、深度卷积神经网络中的降采样
本文转载自:https://zhuanlan.zhihu.com/p/46633171降采样指的是成比例缩小特征图宽和高的过程,比如从(W,H)变为(W/2,H/2)。深度卷积神经网络中降采样的方法主要有三种:1、stride大于1的pooling2、stride大于1的conv3、stride大于1的reorg(在YOLOv2的论文里叫passthrough layer)其中...转载 2020-04-06 16:58:57 · 1046 阅读 · 0 评论 -
【目标检测重思考系列】二、关于神经网络的理论感受野和有效感受野
本文转载自:https://zhuanlan.zhihu.com/p/40267131感受野是卷积神经网络里面最重要的概念之一,为了更好地理解卷积神经网络结构,甚至自己设计卷积神经网络,对于感受野的理解必不可少。一、定义感受野被定义为卷积神经网络特征所能看到输入图像的区域,换句话说特征输出受感受野区域内的像素点的影响。比如下图(该图为了方便,将二维简化为一维),这个三层的神经卷积神...转载 2020-04-06 11:46:14 · 739 阅读 · 0 评论 -
【目标检测重思考系列】一、目标检测的网络分解
本文转自:https://zhuanlan.zhihu.com/p/49605144本文主要将目标检测网络分为了若干个模块,并对每一块进行了概述,这样方便将各种不同网络的相同模块部分做比较,以获得对于不同部分更深刻的理解。本文可以看做一篇提纲,后续将不断丰满每一模块的内容。目标检测分为两个阶段:训练 测试训练阶段重要的部分是:data 对于神经网络而言,所需要的不变性一...转载 2020-04-06 10:59:06 · 432 阅读 · 0 评论 -
【目标检测论文阅读】CenterNet :Objects as Points
重点参考博客:https://blog.csdn.net/c20081052/article/details/89358658https://blog.csdn.net/baobei0112/article/details/94392343可变卷积:https://www.jianshu.com/p/940d21c79aa3转载 2019-10-31 16:19:35 · 251 阅读 · 0 评论 -
【计数算法归纳】一、论文学习笔记-LCFCN
本文主要参考:https://blog.csdn.net/sinat_37532065/article/details/97910470https://blog.csdn.net/qq_14845119/article/details/99883316论文标题:《Where are the Blobs: Counting by Localization with Point Super...转载 2019-10-28 23:01:39 · 1157 阅读 · 1 评论 -
【深度学习环境配置踩坑记】一. ubuntu16.04安装nvidia显卡驱动 + cuda8.0 + cudnn + opencv3.1
楼主接触深度学习有快两年的时间了,期间由于急于求成的心态以及技术水平的限制,各种各样的框架环境配置均由身边的大神协助解决,至此已经不同程度的接触过tensorflow/caffe/keras/pytorch四种框架,感恩各路大神出现的同时,辣鸡楼主也决定洗心革面,重新把上述框架配置问题自己动手进行一遍,安稳自己底需内心的同时,也分享给和楼主一样提到配置就头大的朋友们一些抢救的可能~...原创 2019-04-21 13:04:51 · 698 阅读 · 0 评论 -
【深度学习环境配置踩坑记】三. ubuntu16.04+anaconda3安装tensorflow和keras
需要的前期准备包括anaconda3+显卡驱动+cuda+cudnn请参见这两篇博客:https://blog.csdn.net/zl3090/article/details/89297031https://blog.csdn.net/zl3090/article/details/89304484这里安装tensorflow采用了conda子环境的方式:由于楼主踩了tf与cud...原创 2019-04-21 15:15:03 · 743 阅读 · 0 评论 -
【深度学习环境配置踩坑记】二. ubuntu16.04+anaconda3安装caffe
caffe需要的前期准备包括anaconda3+显卡驱动+cuda+cudnn请参见这两篇博客:https://blog.csdn.net/zl3090/article/details/89297031https://blog.csdn.net/zl3090/article/details/89304484接下来进入正题,本博文主要参考:https://blog.csdn.n...原创 2019-04-21 15:00:03 · 732 阅读 · 0 评论 -
【caffe学习】九、deploy.prototxt的介绍及与train.prototxt的区别
本文转载自:https://blog.csdn.net/fx409494616/article/details/53008971如果要把训练好的模型拿来测试新的图片,那必须得要一个deploy.prototxt文件,这个文件实际上和test.prototxt文件差不多,只是头尾不相同而已。1.train_val.prototxt首先,train_val.prototxt文件是网络配置...转载 2019-03-04 10:28:57 · 3897 阅读 · 0 评论 -
【caffe学习】十、调用caffe训练好的模型测试新图片的python接口
本文转载自:https://www.cnblogs.com/denny402/p/5685909.html用已经训练好的caffemodel模型,和deploy.prototxt文件,对一个新的图片进行分类预测。我们从mnist数据集的test集中随便找一张图片,用来进行实验#coding=utf-8import caffeimport numpy as nproot='/h...转载 2019-03-02 22:40:54 · 309 阅读 · 0 评论 -
【caffe学习】八、计算图片均值
本文转载自:https://www.cnblogs.com/denny402/p/5102328.html图片减去均值后,再进行训练和测试,会提高速度和精度。因此,一般在各种模型中都会有这个操作。那么这个均值怎么来的呢,实际上就是计算所有训练样本的平均值,计算出来后,保存为一个均值文件,在以后的测试中,就可以直接使用这个均值来相减,而不需要对测试图片重新计算。一、二进制格式的均值计算...转载 2019-03-02 22:35:56 · 290 阅读 · 0 评论 -
【caffe学习】七、图像数据转换成db(leveldb/lmdb)文件
本文转载自:https://www.cnblogs.com/denny402/p/5082341.html在深度学习的实际应用中,我们经常用到的原始数据是图片文件,如jpg,jpeg,png,tif等格式的,而且有可能图片的大小还不一致。而在caffe中经常使用的数据类型是lmdb或leveldb,因此就产生了这样的一个问题:如何从原始图片文件转换成caffe中能够运行的db(leveldb/...转载 2019-03-02 22:33:14 · 208 阅读 · 0 评论 -
【目标识别学习笔记系列】一、RCNN论文理解
前言:本文是在总结以下博客的基础上对RCNN的理解,感谢原作者文章,使我收获很大,在此整理笔记,仅作学习用途。https://blog.csdn.net/shenxiaolu1984/article/details/51066975https://blog.csdn.net/u011534057/article/details/51218250Region CNN(RCNN)可以说是利...原创 2018-09-17 14:16:36 · 534 阅读 · 0 评论 -
【目标识别学习笔记系列】三、Fast RCNN论文理解
本文主要转载自:https://blog.csdn.net/shenxiaolu1984/article/details/51036677继2014年的RCNN之后,Ross Girshick在15年推出Fast RCNN,构思精巧,流程更为紧凑,大幅提升了目标检测的速度。在Github上提供了源码。github地址:https://github.com/rbgirshick/fast-r...转载 2018-09-17 19:37:33 · 195 阅读 · 0 评论 -
【目标识别学习笔记系列】四、Faster RCNN论文理解
本文主要转载自:https://blog.csdn.net/shenxiaolu1984/article/details/51152614Faster RCNN算法详解本文是继RCNN[1],fast RCNN[2]之后,目标检测界的领军人物Ross Girshick团队在2015年的又一力作。简单网络目标检测速度达到17fps,在PASCAL VOC上准确率为59.9%;复杂网络达到5f...转载 2018-09-17 19:45:34 · 356 阅读 · 0 评论 -
【深度学习数学基础】向量点乘(内积)和叉乘(外积、向量积)概念及几何意义解读
本文转载自:https://blog.csdn.net/dcrmg/article/details/524168321. 点乘向量的点乘,也叫向量的内积、数量积,对两个向量执行点乘运算,就是对这两个向量对应位一一相乘之后求和的操作,点乘的结果是一个标量。对于向量a和向量b: ...转载 2018-09-25 16:22:50 · 3883 阅读 · 0 评论 -
【深度学习数学基础】矩阵特征值和特征向量的计算
本文主要转载自:https://blog.csdn.net/Junerror/article/details/802225401.矩阵特征值和特征向量定义 A为n阶矩阵,若数λ和n维非0列向量x满足Ax=λx,那么数λ称为A的特征值,x称为A的对应于特征值λ的特征向量。式Ax=λx也可写成( A-λE)x=0,并且|λE-A|叫做A 的特征多项式。当特征多项式等于0的时候,称...转载 2018-09-25 16:45:20 · 1437 阅读 · 0 评论 -
【深度学习数学基础】奇异值分解(SVD)详解以及与PCA的关系
本文转载自:https://blog.csdn.net/shenziheng1/article/details/529162781.前言PCA的实现一般有两种,一种是用特征值分解去实现的,一种是用奇异值分解去实现的。特征值和奇异值在大部分人的印象中,往往是停留在纯粹的数学计算中。而且线性代数或者矩阵论里面,也很少讲任何跟特征值与奇异值有关的应用背景。奇异值分解是一个有着很明显的物理意义的...转载 2018-09-25 17:26:08 · 2029 阅读 · 0 评论 -
【caffe学习】项目实战:用caffe进行Resnet -50的图像分类任务示例
这是我接触caffe跑的第一个项目,跑的时候对caffe几乎一无所知,从零开始跟着博客一步步做,对caffe有了初步的认识,所以像我一样的新手小白不要恐慌,先做一遍反而更快学到caffe内部的原理。此处非常感谢下面博主的清晰介绍,将我成功带进了caffe的大门,此篇文章也转载于此,整个流程非常清晰,亲测行得通,详情见链接:https://blog.csdn.net/m0_37357063/ar...转载 2019-03-02 21:28:12 · 2519 阅读 · 1 评论 -
【caffe学习】一、配置文件prototxt中的数据层介绍以及caffe的数据格式
文章主要参考自:https://www.cnblogs.com/denny402/p/5070928.htmlhttps://www.cnblogs.com/denny402/p/5073427.html1. caffe的入门介绍(blob、layer以及net)深度网络(net)是一个组合模型,它由许多相互连接的层(layers)组合而成。Caffe就是组建深度网络的这样一种工具...原创 2019-03-02 21:51:26 · 1004 阅读 · 0 评论 -
【caffe学习】二、prototxt文件中的视觉层(Vision Layers)及参数介绍
本文转载自:https://www.cnblogs.com/denny402/p/5071126.html关于caffe的入门介绍请见:本文将介绍prototxt中视觉层网络的参数配置,视觉层包括Convolution, Pooling,Local Response Normalization (LRN), im2col等层。1、Convolution层:就是卷积层,是卷积神经网...转载 2019-03-02 22:03:50 · 172 阅读 · 0 评论 -
【caffe学习】三、prototxt文件中激活层参数的介绍
本文转载自:https://www.cnblogs.com/denny402/p/5072507.html在激活层中,对输入数据进行激活操作(实际上就是一种函数变换),是逐元素进行运算的。从bottom得到一个blob数据输入,运算后,从top输入一个blob数据。在运算过程中,没有改变数据的大小,即输入和输出的数据大小是相等的。输入:n*c*h*w输出:n*c*h*w常用的激活函...转载 2019-03-02 22:12:18 · 228 阅读 · 0 评论 -
【caffe学习】四、prototxt中输出、精度等其他常用层的参数配置
本文转载自:https://www.cnblogs.com/denny402/p/5072746.html本文讲解一些其它的常用层,包括:softmax_loss层,Inner Product层,accuracy层,reshape层和dropout层及其它们的参数配置。1、softmax-losssoftmax-loss层和softmax层计算大致是相同的。softmax是一个分类器,...转载 2019-03-02 22:20:29 · 612 阅读 · 1 评论 -
【caffe学习】五、solver参数配置介绍
solver算是caffe的核心的核心,它协调着整个模型的运作。caffe程序运行必带的一个参数就是solver配置文件。运行代码一般为# caffe train --solver=*_slover.prototxt本文主要转载自:https://www.cnblogs.com/denny402/p/5074049.html在Deep Learning中,往往loss funct...转载 2019-03-02 22:27:08 · 154 阅读 · 0 评论 -
【caffe学习】六、caffe命令行解析(train/test等)
本文转载自:https://www.cnblogs.com/denny402/p/5076285.htmlcaffe的c++主程序(caffe.cpp)放在根目录下的tools文件夹内, 当然还有一些其它的功能文件,如:convert_imageset.cpp, train_net.cpp, test_net.cpp等也放在这个文件夹内。经过编译后,这些文件都被编译成了可执行文件,放在了 ...转载 2019-03-02 22:30:49 · 730 阅读 · 0 评论 -
【目标识别学习笔记系列】附录一、评价指标(Iou,mAP,Fps)
一、交并比 物体检测需要定位出物体的bounding box,就像下面的图片一样,我们不仅要定位出车辆的bounding box 我们还要识别出bounding box 里面的物体就是车辆。对于bounding box的定位精度,有一个很重要的概念,因为我们算法不可能百分百跟人工标注的数据完全匹配,因此就存在一个定位精度评价公式:IOU。IOU定义了两个bounding box的重...原创 2018-09-17 16:25:13 · 12356 阅读 · 0 评论