mazhu1079的博客

转载 CNN中感受野的计算

感受野（receptive field）是怎样一个东西呢，从CNN可视化的角度来讲，就是输出featuremap某个节点的响应对应的输入图像的区域就是感受野。比如我们第一层是一个3*3的卷积核，那么我们经过这个卷积核得到的featuremap中的每个节点都源自这个3*3的卷积核与原图像中3*3的区域做卷积，那么我们就称这个featuremap的节点感受野大小为3*3如果再经过poo

转载 CNN中感受野的计算

感受野（receptive field）是怎样一个东西呢，从CNN可视化的角度来讲，就是输出featuremap某个节点的响应对应的输入图像的区域就是感受野。比如我们第一层是一个3*3的卷积核，那么我们经过这个卷积核得到的featuremap中的每个节点都源自这个3*3的卷积核与原图像中3*3的区域做卷积，那么我们就称这个featuremap的节点感受野大小为3*3如果再经过poo

转载 聚类算法实践（一）——层次聚类、K-means聚类

所谓聚类，就是将相似的事物聚集在一 起，而将不相似的事物划分到不同的类别的过程，是数据分析之中十分重要的一种手段。比如古典生物学之中，人们通过物种的形貌特征将其分门别类，可以说就是 一种朴素的人工聚类。如此，我们就可以将世界上纷繁复杂的信息，简化为少数方便人们理解的类别，可以说是人类认知这个世界的最基本方式之一。     在数据分析的术语之中，聚类和分类是两种技术。分类是指我们已经知道

转载 Face Detection with the Faster R-CNN（数据集标注对比研究报告 ）

1、简介    Faster R-CNN是R-CNN系列深度学习人脸检测最好的方法，mean average precision（mAP）达到73.2%，目标检测的速度可以达到每秒5帧。    技术上将RPN网络和FastR-CNN网络结合到了一起，是一个CNN网络实现端到端目标检测的框架。R-CNN系列方法对比数据集1：Wider face

转载 卷积神经网络入门学习(2.0)

转载 Mean Average Precision（MAP）

原文地址：Average Precision（MAP）" href="http://blog.sina.com.cn/s/blog_97fcf3c40101cnsn.html" target="_blank">Mean Average Precision（MAP）作者：EvaLee【转】一个评测指标就是MAP(Mean Average Precision)平均精度均值。

转载 论文阅读笔记--Selective Search for Object Recognition

Selective Search for Object Recognitionpassbye@126.com转自：http://www.w2bc.com/article/177204作者: J. R. R. Uijlings, K. E. A. van de Sande, T. Gevers, A. W. M. Smeulders.引用: Uijlings, Jas