flashTianjiao的博客

逻辑回归分类器交叉熵是用来度量两个向量之间距离的方法 D(s,L)=−∑iLilog(si)D(s,L) = -\sum_{i}L_{i}\log(s_{i}) 初始化输入 一个好的指导原则是输入变量均值为零和尽可能同方差 Mean Xi=0X_{i} = 0 Variance σ(Xi)=σ(Xj)\sigma(X_{i}) = \sigma(X_{j}) 初始权重 比较好的方法是从

1、摘要RCNN 2个关键点： 1、为了定位和分割目标，使用CNN自下而上的提取区域候选框。2、当标记的训练数据稀缺的时候，监督预训练作为辅助任务，对特定领域微调，对性能有显助提升。bottom-up: fine-tuning:2、之前方法1、OverFeat

CRNN是《An End-to-End Trainable Neural Network for Image-based Sequence Recognition and Its Application to Scene Text Recognition》中提出的模型，解决图像中文字识别问题。 论文地址：https://arxiv.org/abs/1507.05717 github地址：http

1、网络结构 2、优点、缺点 3、输入图片 4、rpn作用 5、roi_pooling 和 一般 pooling 6、改进

现在在用TensorFlow，所以找了这个 tf-faster-rcnn 实现faster rcnn。由于我的电脑是新装的，所以在安装过程中遇到不少问题，现在记录下来。 tf-faster-rcnn的github地址 https://github.com/endernewton/tf-faster-rcnn作者的readme写的挺好的，照着做没问题。现在补充些我遇到的。1、在pascal_voc上