bestrivern的博客

一.概述1.Resnet的目的是为了将网络变得更深，而Inception系列的目的则是将网络加宽。2.构建CNN时，你要决定卷积核的大小，是1x3合适，还是3x3合适，还是5x5合适？要不要添加pooling层？Inception网络的优点，就是能代替你做决定。Inception在增加特征表达能力的同时减少计算。 模型更精巧复杂了，增加BN和gradient clipping去稳定训...

一.概述非极大值抑制（Non-Maximum Suppression，NMS），顾名思义就是抑制不是极大值的元素，可以理解为局部最大搜索。这个局部代表的是一个邻域，邻域有两个参数可变，一是邻域的维数，二是邻域的大小。这里不讨论通用的NMS算法(参考论文《Efficient Non-Maximum Suppression》对1维和2维数据的NMS实现)，而是用于目标检测中提取分数最高的窗口的。...

一.概述全连接层的每一个结点都与上一层的所有结点相连，用来把前边提取到的特征综合起来。由于其全相连的特性，一般全连接层的参数也是最多的。在卷积神经网络的最后，往往会出现一两层全连接层，全连接一般会把卷积输出的二维特征图转化成一维的一个向量。二.前向传播下图中连线最密集的2个地方就是全连接层，这很明显的可以看出全连接层的参数的确很多。在前向计算过程，也就是一个线性的加权求和的过程，全连接...

一.概述反卷积又称转秩卷积(Transposed Convolution)，上采样(Upsampled )。其作用举例如下：1.当我们用神经网络生成图片的时候，经常需要将一些低分辨率的图片转换为高分辨率的图片。 2.在语义分割中，会使用卷积层在编码器中进行特征提取，然后在解码层中进行恢复为原先的尺寸，这样才可以对原来图像的每个...