尼伯龙根

原文链接：https://blog.paperspace.com/ 伙计们又是一周不见！本期我们会继续利用Affine Matrix来实现旋转和剪切功能。 在开始之前，如果你还看我之前的两篇博文，我十分推荐阅读前两篇内容，因为本篇的方法都是基于它们实现的。 1. Part 1: Basic Design and Horizontal Flipping 中文版 2. Part 2: Scaling and Translation 中文版 代码地址 本章用的方法和所有数据增强方法都放在下面这个链接中 http

[翻系列]检测框的数据增强2：Scale与Translate 原文链接：https://blog.paperspace.com 本章我们将实现位移以及大小变换技术，还考虑到标准框超出图像的时如何处理，很鲁棒，放心用！ 代码地址 本章用的方法和所有数据增强方法都放在下面这个链接中 https://github.com/Paperspace/DataAugmentationForObjectDetection Scale:大小变换 通过scale之后结果大致如图所示 左：原始图像 右：scale后的图

[翻系列]检测框的数据增强1：重看目标检测中的图像旋转 原文链接 blog.paperspace.com 想要得到一个高性能的深度学习模型么？更多的数据将带来更多的可能性！但是很可惜的是，一般，我们只有这大千世界的一丢丢数据。 所以我们需要数据增强！手动地来扩充我们的数据，很幸运的是，数据增强在众多实验中都得到了有效的验证，成为了深度学习系统中不可或缺的一部分。 前言 数据增强成功的背后 很简单的一个原因是数据增强扩充了我们的数据集，也就是我们主动地向大千世界迈进一步。 另外我们可以从噪声和鲁棒性的角度

阅读时长大约8分钟，原文链接：https://medium.com 0. 介绍 在本文中，我将解释如何将2D卷积实现为矩阵乘法。 该说明来自于CS231n(用于视觉识别的卷积神经网络)的笔记。 大家应该已经熟悉深度神经网络中卷积运算的概念。 如果没有，这个代码仓库有十分形象的动画来演示说明什么是卷积。 可以在此处下载用于重现本文计算内容的代码。 1. 正文 1.1 来看一个小例子 介绍现在有一个4x4的图像X，其像素值如图所示： 同时我们来定义一个二维卷积的参数 kernel size: 2x2 pad