- 博客(8)
- 收藏
- 关注
RSS订阅原创 图像分割（1）--- FCN
一. 论文 Fully Convolutional Networks for Semantic Segmentation 官方github 二. 论文概述 上采样（in-network upsampling），反置卷积。该卷积层在训练过程中不学习，因为作者发现学不学习对性能提升不大。 作者用了crop来配合deconvolution层，因为反卷积后出来的heatmap的大小与原来的...
2018-08-23 23:22:44
428
原创 Faster rcnn（1）--- RPN原理及代码详解
一. 论文 Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 官方版本github : detectron pytorch版本faster rcnn 二. RPN提出的目的 用cnn来提取proposal，替代原始的slective search；由于原始的selecti...
2018-08-22 00:35:39
2403
原创 DCGAN论文阅读笔记
一.论文链接 DCGAN carpedm20/DCGAN-tensorflow 二.论文概要 提出了基于卷积拓扑网络的DCAGN，并且分析验证了卷积GAN的一些限制 将训练好的解码器用于分类，能达到挺好的效果 可视化GAN的一些层 三.论文细节 1) CNN的三个演进 generator中使用反卷积来上采样，discriminator中使用strided卷积来替代...
2018-08-20 23:55:57
1143
原创 使用GAN来进行CV数据增强（一）
一.论文 Unlabeled Samples Generated by GAN Improve the Person Re-identification Baseline in vitro 论文代码：layumi/Person-reID_GAN 二.论文概述 使用原始数据训练DCGAN，然后根据得到的模型产生新的数据作为扩充数据用于训练 设计LSRO(label smoothing...
2018-08-18 22:44:15
10389
1
原创 针对目标检测的数据增强
前言 图像的目标增强普遍的包含旋转，平移，镜像等等，比较新的包括cutout等，其实也是一种连续的dropout 图像的增强在我的理解是一种正则，增强模型的泛化能力。从原始图像中得到新的数据在信息论角度还是不太可能。 目标检测的图像增强跟普通的图像增强不同的地方是还得考虑bounding box如何进行相应的变化 增强方式（持续更新） 裁剪（会改变boundingbox）: 普通的...
2018-08-18 00:13:57
2270
1
原创 focal loss论文笔记(附基于keras的多类别focal loss代码)
一.focal loss论文 Focal Loss for Dense Object Detection 二.focal loss提出的目的 解决one-stage目标检测是场景下前景和背景极度不平衡的情况（1：1000） 让模型在训练的时候更加关注hard examples（前景）。 另外two-stage的检测器是用一下两个方法来解决类别不平衡问题的： 提取候选框的过程实际上...
2018-08-18 00:13:35
5801
2
原创 dropout原理及代码解析
一.dropout概念 在训练的时候，以一定的概率使得某些神经元从网络中丢弃 二.dropout原理解释 1.从ensemble的角度理解 由于每个epoch前向的时候都是以一定概率随机的丢弃某些神经元，所以每个epoch训练的时候其实是在训练不同的网络，类似bagging。 2.从不同动机的角度来理解 类比有性繁殖和无性繁殖，无性繁殖直接从父代保留大段的优秀...
2018-08-18 00:12:58
2287
原创 Batch Normalization论文阅读笔记
BN论文 Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift BN优势 加速训练收敛 缓解梯度弥散 BN由来 什么是Internal Covariate Shift : 在训练过程中，隐层的输入分布老是变来变去，这就是所谓的“Intern...
2018-08-18 00:12:12
531
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人