第十二周学习周报(20180521-20180527)

本周继续学习吴恩达老师的《深度学习工程师》课程,并深入研究了Fast R-CNN算法,该算法通过单阶段训练、多任务损失及参数共享等特性,在目标检测任务上取得了显著效果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

第十二周学习周报

一、本周学习情况

    1、学习了吴恩达老师微专业课《深度学习工程师》

              第三篇:结构化机器学习项目

                  第一周内容:机器学习(ML)策略(1)

    2、看了fast-rcnn算法详解和论文相关笔记,但是fast rcnn的论文还没有看。

    3、fast-rcnn好难跑,遇到好多坑,填坑中。。。             

二、学习笔记

   Fast RCNN优势:     

    (1)比RCNN,SPPnet更高的mAP

    (2)训练过程是单级的(single-stage),并且使用了多任务损失(multi-task loss),现在来看,各种检测模型用的都是这种多任务损失

    (3)所有网络层共享参数

    (4)不需要磁盘空间来暂时作为特征缓存的地方

三、下周学习计划

    1、继续学习吴恩达老师的微专业课程

    2、还是先找一些小的Demo跑吧

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值