原创 faster rcnn 訓練pascal_voc數據集
硬件需求和軟件的安裝和fast rcnn類似,直接開始訓練voc2007。 1 下載數據集，並解壓 cd py_faster_rcnn/data wget http://host.robots.ox.ac.uk/pascal/VOC
2020-07-03 05:40:43
原创 fcn語義分割 論文
全卷積網絡： 個人認爲本文主要是兩個重點： 第一是fcn，全卷積網絡（+上採樣） 第二是skip net 首先說全卷積網絡： 通常cnn在卷積層後會接上若干全連接層，但是全連接層和卷積層的連接數量是固定的，這也就導致了輸入必須是固定的尺寸
2020-07-03 05:40:43
原创 有序二維數組查找元素
在一個二維數組中，每一行都按照從左到右遞增的順序排序，每一列都按照從上到下遞增的順序排序。請完成一個函數，輸入這樣的一個二維數組和一個整數，判斷數組
2020-07-03 05:40:43
2
原创 lec2 圖像分類的方法
圖像分類： 作業：（python代碼） 1、knn 2、svm softmax 3、2層神經網絡 圖片分類 從以往經驗來看目標需要在整個圖像的中間，儘量佔據較大的空間。 圖像分類面對的挑戰： 1、光照 2、物體形變 3、遮擋 4、目標和
2020-07-03 05:40:43
原创 alexnet 通過深度卷積對ImageNet圖像進行分類
imagenet上使用深度卷積網絡 背景介紹 目前的數據集太小，而複雜的圖像分類和識別任務需要更多的數據訓練。 對於大量的數據又需要容量大的網絡，cnn網絡可以通過調節寬度和深度來調節網絡的容量。cnn相比於標準的前饋網絡有較少的鏈接
2020-07-03 05:40:43
原创 faster rcnn論文
背景：proposals的生成成爲目標檢測的瓶頸。 作者祭出faster rcnn = rpn + fast rcnn的結構，本文主要介紹rpn網絡。 rpn網絡同時預測目標的邊界proposal座標 和 proposal的得分，並且在訓
2020-07-03 05:40:43
原创 參數更新方法
代碼實現 https://github.com/hsmyy/zhihuzhuanlan/blob/master/momentum.ipynb 1、梯
2020-07-03 05:40:43
原创 KNN和線性分類器
圖像分類的困難和挑戰：對於人來說，識別出一個像“貓”一樣視覺概念是簡單至極的，然而從計算機視覺算法的角度來看就值得深思了。我們在下面列舉了計算機視覺算法在圖像識別方面遇到的一些困難，要記住圖像是以3維數組來表示的，數組中的元素是亮度值。
2020-07-03 05:40:43
原创 rcnn論文
面臨的挑戰： 1、目標檢測窗口生成： 方法一：將檢測任務作爲迴歸問題 方法二：滑動窗 方法三：selective search 2、數據集較少 通過在大的數據集ILSVRC上進行有監督的預訓練 測試模塊的設計： 1、目標建議框的生成：s
2020-02-20 16:47:28
原创 batch normalization論文
通過減少internal Covariate shift加速深度網絡的訓練。 什麼是internal Covariate shift? 由於前一層參數的變化導致了後一層輸入分佈的變化。這需要減少學習率並且需要小心地初始化網絡，並且由於非線
2020-02-20 16:47:28
原创 yolo論文
綜述： 將物體檢測任務（劃分邊界框和類別的可能性）作爲迴歸問題來解決。 速度非常快，但是可能產生定位的誤差，相比於rcnn，減少了假陽性。 從上圖可以看出結構非常簡單 優勢： 1、速度非常快 2、處理全局的信息。在 訓練和測試的使用看到
2020-02-20 16:47:28
原创 googlenet 論文
0、 inception結構 利用網絡中的計算資源，增加網絡的寬度和深度，但保持計算量不變。 1、 本文中，首先創新點在於算法和網絡結構； 其次注意了移動端和嵌入式的場景，考慮內存和功耗，所以提出的結構並不是固定的，參數少
2020-02-20 16:47:27
2
原创 network in network論文
本文主要是對傳統的卷積網絡進行改進，關鍵點有兩個: 第一：mlpconv 第二：全局平均池化 傳統的cnn可以看做是廣義線性模型GLM，所以cnn覺得潛在的概念都是線性可分的。（但是cnn+非線性激活不是能模擬出非線性嗎？）但是一些數
2020-02-20 16:47:27
原创 overfeat論文待續
從文章題目來看，Integrated recognition,localization and detection using convolutional network,就是將分類、定位、檢測通過卷積網絡整合在一起。 本文作者展示了：
2020-02-20 16:47:26
原创 前饋網絡訓練的困難
（早期）神經網絡通常使用隨機初始化和標準的梯度下降法來訓練，但是效果不好，這是由於非線性激活層飽和（雖然有時能夠自己走出飽和區域）。 目前已經通過良好的初始化和一些訓練策略取得了較好的訓練效果。 尤其是無監督的預訓練（目前來看已經是標準的
2020-02-20 16:47:26