qinglv1的博客

二者除了网络深度的不同，还有就是kernel的选择不一样resnet50:  右侧的卷积核的排序是1*1 ，3*3，1*1res18的kernrel  右侧的kernel  1*1，1*1

多分类：类别数目大于2个，类别之间是互斥的。比如是猫，就不能是狗、猪多标签：类别之间不是互斥的。它有多个label，比如既有类别，又有位置信息等等以下转载自这篇文章：https://blog.youkuaiyun.com/u011734144/article/details/80915559首先，说下多类分类和多标签分类的区别多标签分类： 一个样本可以属于多个类别（或标签），不同类之间是有关联...

图像检测：可以检测出来多个物体或者多个目标物体，可以找出多个bbox图像分类：即使一个图像/bbox里面有多个目标物体，也会只有一个分类结果(可以找一个最大的置信度的)...

1.mask rcnn的mask和class是分开来进行的，mask的训练和类别有关系，每一个类别对应一个维度的mask，就是在训练的时候，假如有5个类别，如果输入的是那个类别的就是对应对应的通道的mask(或者叫做对应的维度的特征图)，其余的不包含的类别对应的mask，不计算loss，就是按类别学习了一个更具有类别特征的loss。非这个类别的mask的维度置为-1，在计算的时候，ignore:-...

Attention算法调研(四) —— 视觉应用中的Soft Attention从我的博客文章Attention算法调研（视觉应用概况）开始，我们一起分享一下Attention在机器视觉中的应用情况。在文章Attention算法调研（三）—— 视觉应用中的Hard Attention中，总结了视觉中Hard Attention的应用方法。看过我前几章Attention介绍的博友可以发现...

分类问题，都用 onehot + cross entropytraining 过程中，分类问题用 cross entropy，回归问题用 mean squared error。training 之后，validation / testing 时，使用 classification error，更直观，而且是我们最关注的指标。作者：蒋竺波链接：https://zhuanlan.zhi...

      该文章大部分来自转载，里面也有自己的一些总结整理，如有不对，可以联系我，谢谢       卷积层默认是开启卷积层的偏置项的，一般情况下，也都是让他开启着，一般学习得到的也就是权重w和偏置b。在卷积之后得到的数值的来源：wx+b。        而且卷积可以增加通道之间的融合/交流，比如senet就是这样增加通道之间的融合，也就是channel attention，全局平局池化的...

针对分类和检测任务的一点区别(自己的一点愚见，如有不对请指正)imagenet数据集主要是用来做分类任务，对于某一张图片里面的多个物体，它的发呢类只是归属于某一个物体，只是对于某个物体做的分类。只是对图片里面主要的物体做分类，因为分类不能去做检测，单纯的分类网络只能做单分类。若想多分类，则需要加上检测的网络分支才可以。imagenet里面的用于检测任务的数据集比较小。coco数据集，主要用...

1.数据增强，正则化，减少模型2.数据增强： 旋转、亮度、crop、镜像