原创 DeepLabV3論文解讀（空洞卷積/膨脹卷積 理解）
DeepLabV3論文解讀（空洞卷積/膨脹卷積 理解） 最近在做基礎網絡研究，設計的網絡結構除了在分類數據集上測試，還需要在分割和檢測網絡上測試效果，故選擇了DeepLabV3作爲對比平臺。本想直接替換backbone查看結果，但
2020-07-01 15:21:53
8
原创 語義分割入門系列之 FCN（全卷積神經網絡）
FCN論文解讀及代碼分析 Fully Convolutional Networks for Semantic Segmentation FCN是卷積神經網絡用於語義分割的開山之作，文章的出發點在於如何將普通的分類卷積神經網絡用於語
2020-07-01 15:21:53
5
原创 CS231n學習筆記——介紹神經網絡、卷積神經網絡
CS231n學習筆記——介紹神經網絡、卷積神經網絡 ———————————————————————————————————————————— 神經網絡 之前提到的線性分類器訓練的重點在權重W上，但是隻要將W和非線性函數（例如圖中的
2020-06-03 18:59:21
2
原创 語義分割入門系列之 U-Net
U-Net論文解讀及代碼解讀 U-Net: Convolutional Networks for Biomedical Image Segmentation UNet是基於FCN改良而來的網絡，目的是用於醫療圖像分割（也是醫療圖像
2020-02-21 08:51:39
63
原创 MobileNet系列之 MobileNet V2解讀
MobileNet系列之 MobileNet V2解讀 《MobileNetV2: Inverted Residuals and Linear Bottlenecks》 MobileNetV1利用深度可分離卷積在速度和精度之間做出
2020-02-21 08:51:39
1
原创 Gated-SCNN 語義分割解讀
Gated-SCNN解讀 Gated-SCNN是ICCV2019的文章，以往的語義分割最新方法在單個神經網絡中處理 包括顏色、形狀、紋理特徵的密集特徵表示，然而這種方法可能並不理想，因爲他們包含了與識別相關的不同信息，所以本文提出
2020-02-21 08:51:38
原创 MobileNet系列之 MobileNet V1解讀
MobileNet 系列之 MobileNet V1解讀 MobileNet V1 Mobilenet v1在使用深度可分離卷積的基礎上，提出一套用兩個全局超參數（ width multiplier and resolution
2020-02-21 08:51:38
原创 ANN:Asymmetric Non-local Neural Networks for Semantic Segmentation 文章解讀
《Asymmetric Non-local Neural Networks for Semantic Segmentation 》文章解讀 網絡簡介 文中提出了兩個模塊Asymmetric Pyramid Non-local Bl
2020-02-21 08:51:38
31
原创 tmux安裝過程
tmux終端複用安裝教程（非root用戶） 如果不是服務器管理員的話，需要從源碼安裝，首先下載安裝包： 執行命令： wget https://github.com/tmux/tmux/releases/download/2.2/t
2019-07-30 18:41:36
原创 CS231n學習筆記——更好的優化算法
CS231n學習筆記——更好的優化算法 SGD的缺點： 優化的軌跡會如圖所示，因爲很多函數的梯度方向並不是直接朝向最小值的，所以沿着梯度前進的時候可能會來回反覆。這個問題在高維空間中更加普遍， 而且SGD很容易陷入局部最小值 而且在
2019-03-22 18:07:10
原创 CS231n學習筆記——批量歸一化（Batch Normalization）、監視訓練
CS231n學習筆記——批量歸一化（Batch Normalization） 想要保持單位高斯激活，那麼就需要做批量歸一化，即在神經網絡中額外加入一層，以使得中間的激活值均值爲0方差爲1。 如果我們想要正確的激活單位高斯函數，我們可
2019-03-22 18:07:10
原创 CS2321n學習筆記——激活函數、數據預處理、權重初始化
CS2321n學習筆記——激活函數數、據預處理、權重初始化 激活函數 1、sigmoid函數 sigmoid函數曾經一度非常流行，但是它有三個嚴重缺點 1.飽和神經元將使梯度消失 當x=-10時，接近負飽和區，它的導數非常接近0，
2019-03-15 18:07:51
9
原创 CS2321n學習筆記——卷積和池化
CS2321n學習筆記——卷積和池化 卷積層和普通的全連接層面的最大差別就是，它可以保全空間結構 用之前提到的例子繼續說明，假如輸入的圖片尺寸是32x32x3的，這裏使用一個5x5x3的卷積核來進行運算，具體步驟是這個卷積核在這個圖
2019-03-13 16:50:38
2
原创 CS231n學習筆記——優化、梯度
CS231n學習筆記——優化、梯度 多元情況下生成的導數叫做梯度，所以梯度是偏導數組成的向量，有和x一樣的形狀。梯度中的每個元素表示每個相關方向上函數的斜率。 計算梯度的方法——有限差分 在參數W的每一項做一點微小的改變（0.000
2019-03-11 16:49:48