Norman0105的博客

系列文章目录原论文名称： Fast R-CNN原文链接：Fast R-CNN文章目录系列文章目录前言R-CNN 算法流程FAST R-CNN算法流程特点一、一次性计算整张图特征特点二、训练数据的采样（正样本、负样本）ROI Pooling层分类器损失计算——LOSS分类损失边界框回归损失其他参数参考文献前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正

Cross Entropy Loss 交叉熵损失文章目录Cross Entropy Loss 交叉熵损失多分类问题特点公式实例应用二分类问题特点公式参考文献多分类问题特点使用softmax作为输出，且所有输出的概率为1。公式H=−∑ioi∗log⁡(oi)H = - \sum\nolimits_i {o_i^*} \log ({o_i})H=−∑i​oi∗​log(oi​)实例应用假设真实标签的one-hot编码为[0,0,…,1,…,0,0]预测的softmax概率为[0.1,0.2,

MobileNet_v1网络详解及Pytorch实现研究背景论文地址depthwise separable convolution核心模块介绍代码结构——PyTorch参考文献研究背景作为新人，由于硬件限制，在进行目标检测任务时常因为网络参数过多使得训练时间过长或无法收敛。经大佬提醒可以学习并使用参数较少的轻量级网络MobileNet，该网络用于提取图像特征，可用在图像分类和目标检测等任务中。本文对MobileNet_v1进行学习。论文地址论文地址：MobileNets: Efficient Con