原创 鋁型材表面瑕疵識別——都都都都都都方案
文章目錄BaselineTraining DetailsInnovationsDilated convolutionproblems1 Dual Path Aggregation for Object Detections2 Mu
2020-06-22 08:30:34
3
原创 GLUON語法
.reshape(）-1或0的含義 x = nd.arange(16) y = x.reshape(-1, 4) 結果： [[ 0. 1. 2. 3.] [ 4. 5. 6. 7.] [ 8.
2020-06-22 08:30:33
原创 七月在線-筆試題
調整超參數來最小化代價函數（cost function），方法有：窮舉搜索、隨機搜索、貝葉斯優化 隱藏層降維與主成分分析法的差異： PCA提取的是數據分佈方差較大的方向 隱藏層可以提取有預測能力的特徵
2020-06-22 08:30:33
原创 深度學習基礎（一）——反向傳播算法
概述 梯度下降法需要利用損失函數對所有參數求梯度，來尋找最小值點。而反向傳播法就是用於計算該梯度的方法，其本質利用鏈式法則對每個參數求導。 網絡傳播的過程 前向傳播 Initialize the parameters for
2020-05-30 16:57:32
原创 深度學習基礎（六）—— 批標準化 (Batch Normalization)
1 特徵數據的標準化 2 Batch Normalization 2.1 WHY Batch Normalization 2.2 How to Batch Normalization 2.2.1 Feature Scaling
2020-05-30 16:57:32
8
原创 目標檢測（二）—— R-CNN、Fast R-CNN、Faster R-CNN、Mask R-CNN
R-CNN 區域卷積神經網絡（Regions with CNN features，簡稱 R-CNN）使用深度模型來解決物體識別。 具體步驟： Sective Search 。對每張輸入圖像使用選擇性搜索來選取多個高質量的提議
2020-05-30 16:57:32
原创 深度學習基礎（七）—— Activation Function
1. Sigmoid 2. Tanh 3. ReLU 4. LReLU、PReLU與RReLU 4.1 LReLU 4.2 PReLU 4.3 RReLU 4.4 ELU 5 總結 6 參考 1. Sigmoid 函數
2020-05-30 16:57:22
4
原创 深度學習基礎（二）——Softmax迴歸與Logistic迴歸
1 簡介 1.1 Logistic迴歸 1.2 Softmax迴歸 2 代價函數 3 Softmax迴歸模型參數化特點 4 權重衰減 5 Softmax 與 Logistic的迴歸關係 6 Sotfmax 迴歸 vs k個
2020-05-30 16:57:22
原创 深度學習基礎（五）—— 數據預處理
1 PCA 1.1 PCA實例 1.2 旋轉數據 1.3 數據降維 1.4 還原近似數據 1.5 選擇主成分個數 1.6 對圖像數據應用PCA算法 1.7 PCA 的理論基礎 2 白化 2.1 PCA白化 2.2 ZCA
2020-05-30 16:57:22
原创 圖像語義分割（一）
1 圖像語義分割的概念 2 語義分割的網絡 2.1 FCN 全卷積網絡 2.1.1 卷積化 2.1.2 上採樣、跳躍結構 2.1.3 上採樣的方法 2.1.4 FCN 的結果 2.2 Dilated Convolution
2020-05-30 16:57:22
原创 目標檢測（一）—— SSD（single shot multibox detection）
筆記目錄1 Inference2 基本結構與設計理念2.1 default box & feature map cell2.2 Model2.3 設計理念2.3.1 多尺度特徵預測2.2.2 採用卷積進行檢測2.2.3 Ancho
2020-05-30 16:57:22
原创 One-stage
迴歸網絡 區域迴歸（置信度、位置、類別） Anchor機制（SSD）RPN 點贊 收藏 分享 文章舉報 愛彈ukulele的程序猿 發佈了41 篇原創文章 · 獲贊
2020-02-21 22:26:14
原创 JAVA常用工具類（一）集合排序
1 概述 集合中基本數據類型的排序 集合中字符串的排序 Comparator接口 Comparable接口 與數組排序區分開。 集合排序： 使用Collections類裏的sort()方法。 sort(List<T> lis
2020-02-21 22:26:14
原创 MobileNet
文章目錄1 MobileNet V11.1 綜述1.2 Depthwise Separable Convolution1.2.1 問題描述1.2.2 普通卷積過程1.2.3 Depthwise Separable Convolut
2020-02-21 22:26:14
原创 小型高效的神經網絡
現階段，在建立小型高效的神經網絡工作中，通常可分爲兩類工作： 壓縮預訓練模型。獲得小型網絡的一個辦法是減小、分解或壓縮預訓練網絡，例如量化壓縮(product quantization)、哈希(hashing )、剪枝(pru
2020-02-21 22:26:14