卷积神经网络-- CNN

卷积神经网络 – CNN

CNN最早由LeCun 在1998年《Gradient-based learning applied to document recognition》中提出,并提出了一个目标检测的模型:LeNet-5,随后在2012年ImageNet竞赛上,基于CNN网络的AlexNet取得了第一,且正确率超出第二近10%,取得了历史性的突破。CNN开始大放异彩,VGG Net,Google Net,ResNet等,都是基于CNN网络的一些杰出的工作。

阅读全文

深度学习中常用的技术(面试考点)

深度学习中常用的技术(面试考点)

(一)神经网络中,防止过拟合的方法有:

    阅读全文

    Faster RCNN详解

    Faster RCNN详解

    Faster RCNN 是在Fast RCNN的基础上,进一步改进,解决select search 算法选择候选框速度太慢的问题。

    阅读全文

    Fast RCNN详解

    Fast RCNN详解

    SPP-Net改造了RCNN,使用SPP layer使得输入图片大小不受限制,同时使用region proposal映射的方式,大大加速了目标检测的速度,但是SPP-net训练需要花费很多时间,同时fine-tune不能越过SPP层,因为pyramid BP开销太大了(金字塔感受野比较大),只能fine-tune全连接层,tune不到卷积层,所以在一些较深的网络上准确率上不去。
    Fast RCNN 受到SPP-Net网络,在网络卷积层后加入ROI层(region of interesting)。此外,损失函数使用了多任务损失函数(multi-task loss),将分类和边框回归两个loss统一到一个网络中一起训练。

    阅读全文

    SPP-Net详解

    SPP-Net详解

    在fast RCNN 之前,RCNN的进化中SPP Net的思想对其贡献很大,下面先介绍一下SPP Net。

    阅读全文

    RCNN详解

    目标检测

    目标检测任务主要有两个不同的思路。一种思路是借鉴语义分割的做法,这方面的工作有YOLO和SSD另一种思路是把目标检测看作分类任务(bounding box中对象的类别)和回归任务(回归bounding box)的组合。主要的工作有R-CNN,SPP-Net,Fast R-CNN,Faster R-CNN。方法一速度快但精度稍差,方法二速度慢但精度高,是主流方法。

    阅读全文

    MAC 私人订制

    配置git

    Mac上安装Xcode命令行工具,命令行工具包是一个小型独立包,可供下载独立于Xcode的和允许您执行命令行开发OS X:

    1
    xcode-select --install

    阅读全文

    算法-递归

    递归

    递归(recursion),是指函数的定义中使用函数自身的方法。用于表示用相似的方法重复事物的过程。

    问题描述:

    从 1~n 这 n 个整数中随机选取任意多个,输出所有可能的选择方案。

    阅读全文

    循环神经网络RNN,LSTM

    RNN

    RNN适用背景

    当一段序列是连续的,且序列长度不一(音频序列),难以直接差分成一个个独立的样本来训练DNN/CNN,传统的神经网络无法用前面的场景来影响后面的预测。此时,可以使用RNN来解决这个问题。

    阅读全文

    项目总结

    sketch2Cloth虚拟试衣总结

    虚拟试衣允许用户定制衣服的纹理,颜色。能够改善生成图像的真实感。虚拟试衣项目分成训练数据的处理以及GAN图片生成。

    阅读全文