- 博客(4)
- 收藏
- 关注
RSS订阅原创 Faster R-CNN神经网络模型代码实现
Faster R-CNN是作者Ross Girshick继Fast R-CNN后的又一力作。同样使用VGG16作 为网络的backbone，推理速度在GPU上达到5fps(包括候选区域的生成)，准确率 也有进一步的提升。在2015年的ILSVRC以及COCO竞赛中获得多个项目的第一名。Fast R-CNN算法流程可分为3个步骤 -一张图像生成1K~2K个候选区域(使用Selective Search方法)将图像输入网络得到相应的特征图，将SS算法生成的候选框投影到 特征图上获得相应的特征矩阵将
2020-11-12 08:45:52
1522
1
原创 VGG16神经网络模型复现
VGG网络是在2014年由牛津大学著名研究组VGG (Visual Geometry Group) 提出，斩获该年ImageNet竞赛中 Localization Task (定位任务) 第一名 和 Classification Task (分类任务) 第二名。原论文名称是《Very Deep Convolutional Networks For Large-Scale Image Recognition》，在原论文中给出了一系列VGG模型的配置，下面这幅图是VGG16模型的结构简图。该网络中的亮点：
2020-11-11 21:26:43
800
1
原创 AlexNet神经网络模型复现
AlexNet是2012年ILSVRC 2012（ImageNet Large Scale Visual Recognition Challenge）竞赛的冠军网络，分类准确率由传统方法的 70%+提升到 80%+（当时传统方法已经进入瓶颈期，所以这么大的提升是非常厉害的）。它是由Hinton和他的学生Alex Krizhevsky设计的。也是在那年之后，深度学习开始迅速发展。下图是从AlexNet原论文中截取的网络结构图。在图中有上下两个部分是因为作者使用两块GPU进行并行训练，所以上下两个部分结构是
2020-11-11 20:48:20
891
原创 机器学习、深度学习模型评估指标—整理笔记
提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档目录一、混淆矩阵的定义二、准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure1.准确率(Accuracy)2.精确率(Precision)3.召回率(Recall)4.F1 score三、ROC曲线和AUC1.ROC曲线2.AUC(Area under Curve)3.P-R曲线一、混淆矩阵的定义(1)若一个实例是正类，但是被预测成为正类，即为真正类(True Postive T..
2020-11-01 16:07:13
737
1
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