nothasson

RCNNAbstract论文提到，目标检测以及很久没有比较大的进展了，目前比较好的是将低级的图像特征与高级的上下文结合起来的方法。而论文使用到的，是一种高容量的卷积神经网络，它通过自底向上的区域推荐方法来定位和分割物体，而且，当有标签的数据较少的时候，论文使用一种有监督学习来作为辅助任务，这将大大提升任务的表现。RCNN 等于 region proposal（区域推荐）+卷积神经网络Introduction传统的目标检测方法都是用SIFT和HOG，但是我们可以清楚的看到近几年来进展缓慢。 介

Unet论文链接：https://arxiv.org/pdf/1505.04597v1.pdfgithub：https://github.com/milesial/Pytorch-UNetUnet借鉴了FCN网络，其网络结构包括两个对称部分：前面一部分网络与普通卷积网络相同，使用了3x3的卷积和池化下采样，能够抓住图像中的上下文信息（也即像素间的关系）；后面部分网络则是与前面基本对称，使用的是3x3卷积和上采样，以达到输出图像分割的目的。此外，网络中还用到了特征融合，将前面部分下采样网络的特征与后面

数字图像处理文章目录绪论概念用途基本步骤组成数字图像基础视觉感知要素图像感知和获取取样和量化像素的一些基本关系数字图像处理中所用数学工具灰度变换和空间滤波基础一些基本的灰度变换函数直方图处理滤波基础平滑空间滤波器傅里叶绪论概念一副图像可定义为一个二维函数f(x,y)f(x,y)f(x,y)，其中xxx和yyy是空间平面的坐标，而幅值fff成为图像在该点处的强度和灰度。当xxx、yyy和fff是有限的离散数值时，我们称图像为数字图像。数字图像处理是指借助于数字计算机来处理数字图像。从图像处理

第一门课 神经网络和深度学习(Neural Networks and Deep Learning)文章目录第一门课 神经网络和深度学习(Neural Networks and Deep Learning)第一周：深度学习引言(Introduction to Deep Learning)1.1 欢迎(Welcome)1.2 什么是神经网络？(What is a Neural Network)1.3 神经网络的监督学习(Supervised Learning with Neural Networks)1.4

前言这篇笔记主要是想记录一下，这前不久看的几篇论文，R-CNN、Fast R-CNN、Faster R-CNN和Mask R-CNN。目的是为了总结和纠正在笔记中出现的错误。文章目录前言CNNRCNNFast RCNNFaster RCNNMask RCNN总结CNN自从 AlexNet 获得 ILSVRC 2012 挑战赛冠军后，用 CNN 进行分类成为主流。传统的目标检测使用的方法主要有两种，一种是使用一系列不同大小、不同高宽比的窗口，在待检测的图像中从左到右，从上到下，依次遍历，并将每次遍历得