qq_26024067的博客

pytorch版本的异同

计算机视觉基础知识归纳（三）-目标检测在目标检测中我们把大致分为三个模块：backbone，neck，headbackbone在我们的目标检测网络中，backbone是初步的特征提取，随后将这些提取到的特征图送入head里面常见的backbone有vgg ，Alexnet，googlenet，resnet，等等不同的网络有着不同的特征与特点 常用的就是vgg与resnetbackbone的作用不同的特征图在原图上的表达能力是不一样的（其实就是对应的感受野）不同的backbone学到的语义信

计算机视觉基础知识归纳(二) —感受野感受野的重要意义深度神经网络的基本概念之一很大程度上决定了网络的性能视觉应用（分类，检测，分割，等）都需要利用感受野进行理解促使我们进行创新的源泉CNN感受野的定义与性质**定义：**深度神经网络中，每个神经元节点都对应输入图像的某个确定区域，仅在该区域的图像内容能够对相应的神经元的激活产生影响，那么这个区域就是神经元的感受野性质：越靠近感受野中心区域越重要各向同性（距离感受野中心距离相等的位置，其重要性是一致的）由中心向周围衰减的速度可以由

深度学习idea归类与分析最近研究生复试与毕业论文的事情都忙的差不多了，也算看了一定数量的论文，一直思考如何自己提出自己的idea呢？怎样的idea更容易被审稿人所喜爱呢？所以就打算写个总结，也方便自己日后复习。工程领域或者是说技术细节方面的的进步（新手必备）将这个领域之内的优秀方法定义在一个新的应用场景这一类的文章我看了看大概四区到三区的居多，二区以上就比较少见了举几个我最近见到的例子，有一篇是SSD（目标检测方法）引入注意力机制发了一篇三区，或者是把之前领域的方法用到另一个领域，我的一个学

计算机视觉基础知识总结归纳（一）1.计算机视觉基础信息计算机视觉四大基本任务(分类、定位、检测、分割)计算机视觉的顶级会议和期刊顶级会议有CVPR、ICCV、和ECCV，此外ICLR也有不少计算机视觉论文。顶级期刊有IJCV和TPAMI。由于计算机视觉领域发展十分迅速，不论身处学术界或产业界，通过阅读顶级会议和期刊论文了解计算机视觉的最近研究成果都十分必要。数据集分类：MNIST 60k训练图像、10k测试图像、10个类别、图像大小1×28×28、内容是0-9手写数字。CIFAR-10 5