nathan1025的博客

#####lenet: 都是5*5的卷积，padding = validx = tf.placeholder(tf.float32, (None, 32, 32, 1))Layer 1: Convolutional. The output shape should be 28x28x6.conv1_W = tf.Variable(tf.truncated_normal(shape=(...

LeNet:输入尺寸：32*32 卷积层：3个 降采样层：2个 全连接层：1个 输出层：10个类别（数字0-9的概率）AlexNet: 1. 非线性激活函数：ReLU2. 防止过拟合的方法：Dropout，Data augmentation3. 大数据训练：百万级ImageNet图像数据4. 其他：GPU实现，LRN归一化层的使用Vgg:V...

Facenet是谷歌研发的人脸识别系统，该系统是基于百万级人脸数据训练的深度卷积神经网络，可以将人脸图像embedding（映射）成128维度的特征向量。以该向量为特征，采用knn或者svm等机器学习方法实现人脸识别。CASIA-WebFace数据集预训练的Facenet模型，LFW测试集准确率为0.98模型。 1.对图像质量（像素值）不敏感，即使80*80像素的图片生成的结果...

https://blog.youkuaiyun.com/u014380165/article/details/78906898https://zhuanlan.zhihu.com/p/38520597https://www.zhihu.com/question/274001027/answer/374213141Stage 1:采用全卷积神经网络，即P-Net，去获得候选窗体和边界回归向量。同时，...

https://blog.youkuaiyun.com/zfq740695564/article/details/79754578https://zhuanlan.zhihu.com/p/35325884yolov1:YOLO网络的设计比较简单，借鉴GoogLeNet模型，作者将一个完整的网络框架分为两个部分：24个卷积层用于抽取图像特征，两个全连接层用于分类和定位。有一点小的改进，YOLO网络没...

https://zhuanlan.zhihu.com/p/24780395#####R-CNN:流程主要分为四步：1. 利用选择性搜索（Selective Search）等区域生成算法在输入图像中提取Region Proposal（大概2000个）；2. 将第一步中产生的每个Region Proposal分别resize后（也即图中的warped region，文章中是归一化为227...

目标检测近年来已经取得了很重要的进展，主流的算法主要分为两个类型：（1）two-stage方法，如R-CNN系算法，其主要思路是先通过启发式方法（selective search）或者CNN网络（RPN)产生一系列稀疏的候选框，然后对这些候选框进行分类与回归，two-stage方法的优势是准确度高；（2）one-stage方法，如Yolo和SSD，其主要思路是均匀地在图片的不同位置进行密集抽样，抽...