安静

1.SSD网络结构目标检测主流的框架主要是faster-rcnn,SSD,YOLO三大模型，本文主要对SSD算法框架进行详解，faster-rcnn详解可参考https://zhuanlan.zhihu.com/p/31426458，这是我看过对faster-rcnn解释最清楚的一篇博客，Y0LO_V3网络会在后续进行学习并更新。不同于faster-rcnn使用rpn网络进行检测和边框回...

在神经网络的训练过程中，正常情况下整体的过程是一个Loss不断下降的过程，然而在训练过程中往往存在一些batch_size输入时，前向传播得到的Loss突然变大的情景。在训练神经网络过程中，经过softmax函数输出概率后，当当前最大概率对应的类别与训练标签一致时，损失Loss往往较小，而经过softmax输出时，训练标签所对应的概率softmax概率较小，此时的Loss计算结果往往很大。对此...

交叉熵损失与均值平方差损失是机器学习中常用的求损失函数的方式，其中交叉熵损失（Cross Entropy）一般针对的是分类问题，而均值平方差损失（MSE）主要针对的是回归问题，比如常见的目标检测中的bounding box regression。具体的定义如下：1.交叉熵损失（Cross Entropy）交叉熵损失是相对熵（KL散度）的简化， 在了解交叉熵之前，我们需要对信息论中熵的概念有...

SSD网络结构多尺度stage（基础VGG+额外5个stage） PyTorch源码及注释源码：https://github.com/amdegroot/ssd.pytorch# vgg([64, 64, 'M', 128, 128, 'M', 256, 256, 256, 'C', 512, 512, 512, 'M',...

环境：pytorch1.1.0源码：from __future__ import divisionfrom math import sqrt as sqrtfrom itertools import product as productimport torchvoc = { 'num_classes': 21, 'lr_steps': (80000, 10...

x,y 坐标除以宽高目的是为了满足cnn的尺度不变性，便于进行参数的学习。边框回归学习的是回归函数，然而你的目标却不满足函数定义，当然学习不到什么。宽高坐标Log形式我们想要得到一个放缩的尺度，也就是说这里限制尺度必须大于0。我们学习的tw,thtw,th怎么保证满足大于0呢？直观的想法就是EXP函数，如公式(3), (4)所示，那么反过来推导就是Log函数的来源了。为什么...

训练自己的数据参考网址：https://blog.youkuaiyun.com/kalenee/article/details/80629262https://blog.youkuaiyun.com/zong596568821xp/article/details/82015126 （比较详细）https://blog.youkuaiyun.com/zj1131190425/article/details/8071185...