qq_37764129的博客

在深度学习中，有一个很重要的概念，就是卷积神经网络（CNN），是入门深度学习需要搞懂的东西。过拟合（Overfitting）：即在当前的样本上表现的非常好，但在测试的数据集上表现就非常糟糕。1 卷积网络 也叫卷积神经网络（convolutional neural network,CNN）,是一种专门用来处理具有类似网格结构的数据的神经网络。“卷积网络”是指那些至少在...

1 模型训练基本步骤进入了AI领域，学习了手写字识别等几个demo后，就会发现深度学习模型训练是十分关键和有挑战性的。选定了网络结构后，深度学习训练过程基本大同小异，一般分为如下几个步骤定义算法公式，也就是神经网络的前向算法。我们一般使用现成的网络，如inceptionV4，mobilenet等。 定义loss，选择优化器，来让loss最小 对数据进行迭代训练，使loss到达最小 在...

原文：R-FCN：https://arxiv.org/abs/1605.06409Github链接：https://github.com/daijifeng001/r-fcn(https://github.com/daijifeng001/r-fcn)R-FCN:Object Detection via Region-based Fully Convolutional Network...

本文是继RCNN[1]，fast RCNN[2]之后，目标检测界的领军人物Ross Girshick团队在2015年的又一力作。简单网络目标检测速度达到17fps，在PASCAL VOC上准确率为59.9%；复杂网络达到5fps，准确率78.8%。作者在github上给出了基于matlab和python的源码。一、基于Region Proposal（候选区域）的深度学习目标检测算法...

深度神经网络在这里特指CNN这种计算模型，它通过多层的处理，可以学习到数据在不同层级上的抽象表征。该部分主要介绍搭建、训练深度网络的实现细节与技巧。包括以下四部分：介绍深度学习中必要的数据扩充和数据预处理 网络参数初始化的细节技巧 如何设计网络结构并进行微调 使用正则化防止过拟合的发生一、数据扩增 因为深度网络需要在大规模的训练图像上来满足性能，所以当原始图像中的训练...

通常CNN在卷积层之后会接上若干个全连接层，将卷积层产生的特征图（Feature Map）映射成一个固定长度的特征向量进行分类。以AlexNet为代表的经典CNN结构适合于图像级的分类和回归任务，因为它们最后都期望得到整个输入图像的一个数值描述，如AlexNet的ImageNet模型输出一个1000维的向量，表示输入图像属于每一类的概率。例如，图4.15中的猫，输入AlexNet，得到一个...

    卷积神经网络是为识别二维形状而特殊设计的一个多层感知器，这种网络结构对平移、比例缩放、倾斜或者其他形式的变形具有高度不变性。这些良好的性能是网络在有监督方式下学会的，网络的结构主要有稀疏连接和权值共享两个特点。    卷积神经网络不是一个单一的功能个体，而是多种功能神经元的集合。如图4.13所示，其中包括卷积核、非线性的激活函数、网络间的批量规范化层【Batch Normalize】操...

    ResNet在2015年被提出，在ImageNet比赛classification任务上获得第一名，因为它“简单与实用”并存，之后很多方法都建立在ResNet50或者ResNet101的基础上完成的，检测，分割，识别等领域都纷纷使用ResNet，Alpha zero也使用了ResNet，所以可见ResNet确实很好用。下面我们从实用的角度去看看ResNet。1.ResNet意义 ...

一、目标检测 VS 目标识别      目标识别（objec recognition）是指明一幅输入图像中包含那类目标。其输入为一幅图像，输出是该图像中的目标属于哪个类别（class probability）。而目标检测（object detection）除了要告诉输入图像中包含了哪类目标外，还要框出该目标的具体位置（bounding boxes）。      在目标检测时，为了定位到目标...

一、卷积核的定义    下图显示了CNN中最重要的部分，这部分称之为卷积核(kernel)或过滤器(filter)或内核(kernel)。因为TensorFlow官方文档中将这个结构称之为过滤器(filter)，故在本文中将统称这个结构为过滤器。如下图1所示，过滤器可以将当前层网络上的一个子节点矩阵转化为下一层神经网络上的一个单位节点矩阵。单位节点矩阵指的是高和宽都是1，但深度（长）不限的节点...

一、目标检测常见算法        object detection，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。所以，object detection要解决的问题就是物体在哪里以及是什么的整个流程问题。        然而，这个问题可不是那么容易解决的，物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方，更何况物体还可以是多个类别。目前学术和...