RNN循环神经网络
本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 HUII's Blog！
相关推荐
2022-02-17
C&C++ from 于仕琪 南科大
课程地址：快速学习C和C++，基础语法和优化策略，学了不再怕指针(南科大计算机系原版)_哔哩哔哩_bilibili github地址：ShiqiYu/CPP: Lecture notes, projects and other materials for Course ‘CS205 C/C++ Program Design’ at Southern University of Science and Technology. (github.com) 课程 由于之前已经学过C语言，部分内容将跳过。 Week1the first example1234567891011121314151617//C++ example in C++11#include <iostream>#include <vector>#include <string>using namespace std;int main(){ vector<string> msg {"Hello", "C++",...
2022-12-20
图像目标检测基本概念与算法
目标检测任务概述机器视觉的中心任务是从图像中解析出可供计算机理解的信息。根据后续任务的需求，可将其分为四个主要层次：分类（Classification）、定位（Location）、检测（Detection）、分割（Segmentation）必读！计算机视觉四大基本任务(分类、定位、检测、分割) (qq.com)。 分类(图a)、定位、检测(图b)、语义分割(图c)、和实例分割(图d) 分类任务关心图像整体，给出整张图像的内容描述即可，而检测则关心特定物体目标，要求同时获得目标类别信息和位置信息。 图像检测 发展沿革 目标检测发展沿革 目标检测究竟发展到了什么程度？| 目标检测发展22年 - 知乎 (zhihu.com) 阶段一：传统目标检测方法传统检测算法流程可概括如下： 选取感兴趣区域，选取可能包含物体的区域 对可能包含物体的区域进行特征提取 对提取的特征进行检测分类 传统检测流程 较为知名的传统方法有：Viola Jones Detectors、HOG Detector、Deformable Part-based Model (DPM)[目标检测的传统方法概...
2022-12-23
Fast R-CNN——RCNN系列算法Ⅱ
前言Fast R-CNN在VOC-07数据集上将检测精度mAP从58.5%提高到70.0%，检测速度比R-CNN提高了200倍。 从论文页数来看，Fast R-CNN仅9页，与R-CNN的21页相比，也“精简”了不少。 论文与源码原论文：Fast R-CNN (thecvf.com) 代码：rbgirshick/fast-rcnn: Fast R-CNN (github.com) Fast R-CNN论文 Girshick_Fast_R-CNN_ICCV_2015_paper下载 摘要 摘要 从摘要可以看出，Fast R-CNN采用了几项创新技术来提升训练与测试的速度和精度，与R-CNN相比，Fast R-CNN采用更深的VGG16，但训练速度快了9倍，测试速度快了213倍，并且获得了更高的均值平均精度（Mean Average Precision）。 结论 结论 Fast R-CNN是在R-CNN 和 SPPnet基础上进行升级的，并且提出“稀疏目标的建议似乎可以提高探测器的质量”。 介绍 现况介绍 作者认为前期的相关工作存在缓慢和不优雅的问题，主要原因是需要对对...
2023-03-09
YOLOv2(YOLO9000)笔记
学习内容来源：同济子豪兄的个人空间_哔哩哔哩_bilibili 作者：Joseph Redmon, Ali Farhadi9000：九千多个类 相比于v1，v2添加了anchor，batch normalization，多尺度训练等。 模型演进 YOLOv1缺点 准确度低 定位性能差 recall低（检测出全部目标能力） 检测小目标、密集目标差 Batch Normalization批标准化强行将神经元的输出集中到0附近。 BatchNorm就是在深度神经网络训练过程中使得每一层神经网络的输入保持相同分布。 Batch normalization 的 batch 是批数据, 把数据分成小批小批进行随机梯度下降 ，而且在每批数据进行前向传递 的时候, 对每一层都进行 normalization的处理,。在全连接层和激励曾之间加入BN层。 在神经网络中, 数据分布对训练会产生影响. 比如某个神经元 x 的值为1, 某个 Weights 的初始值为 0.1, 这样后一层神经元计算结果就是 Wx = 0.1; 又或者 x = 20, 这样 Wx 的结果就为 2。现在还不能看出什么...
2023-03-11
YOLOv3笔记
学习内容来源：同济子豪兄的个人空间_哔哩哔哩_bilibili 响应时间图 响应时间图2 骨干网络Darknet-53 网络结构【目标检测】YOLOV3详解_Aliert的博客-CSDN博客 结构 13*13的anchor负责预测大物体； 26*26的anchor负责预测中物体； 52*52的anchor负责预测小物体；
2023-03-14
深度学习相关概念
持续更新 术语backbone翻译为骨干网络的意思，既然说是主干网络，就代表其是网络的一部分，这个主干网络大多时候指的是提取特征的网络，其作用就是提取图片中的信息，供后面的网络使用。 这些网络经常使用的是resnet、VGG等，而不是我们自己设计的网络，因为这些网络已经证明了在分类等问题上的特征提取能力是很强的。在用这些网络作为backbone的时候，都是直接加载官方已经训练好的模型参数，后面接着我们自己的网络。让网络的这两个部分同时进行训练，因为加载的backbone模型已经具有提取特征的能力了，在我们的训练过程中，会对他进行微调，使得其更适合于我们自己的任务。 主要分成三类：\CNNs结构, Transformer结构（如ViT及衍生算法，比如PVT），CNNs+Transformer结构**。深度学习常用的backbone有哪些深度学习backbone万里鹏程转瞬至的博客-CSDN博客 backbone 相关概念还有： Neck：是放在backbone和head之间的，是为了更好的利用backbone提取的特征。 Bottleneck：瓶颈的意思，通常指的是网网络输入的...
评论