shinezzz的博客

1. 迁移学习迁移学习( Tranfers Learning)是机器学习的一个分支，只是神经网络太火了，最近研究和神经网络靠。迁移学习的初衷是节省人工标注样本的时间，让模型可以通过已有的标记数据（source domain data）向未标记数据（target domain data）迁移。换句话说，迁移学习就是把已学训练好的模型参数迁移到新的模型来帮助新模型训练。考虑到大部分数据或任务是存...

目标检测算法框架概述模型详解网格方法Anchors 锚机制预测输出评估概述相比与图像分类，目标检测更加困难。图像分类只需要分辨图像中的主要物体是什么要找到多个物体，并且预测bounding box。目标检测模块要预测多个边界框。每个边界框给定一个置信度（confidence score），代表其包含该物体的可能性大小。目标检测算法可以分为one-stage和two-stage。其中two-s...

GitHub源码1. DeepLab v12015 年的ICLR上提出DeepLab 是结合了深度卷积神经网络（DCNNs）和概率图模型（DenseCRFs）的方法。在实验中发现 DCNNs 做语义分割时精准度不够的问题，根本原因是 DCNNs 的高级特征的平移不变性，即高层次特征映射，根源于重复的池化和下采样。针对信号下采样或池化降低分辨率，DeepLab 采用的 空洞卷积算法扩展感受...

论文：He, Kaiming, et al. “Mask r-cnn.” Proceedings of the IEEE international conference on computer vision. 2017.代码：TensorFlow实现实例分割模型Mask R-CNN详解：从R-CNN，Fast R-CNN，Faster R-CNN再到Mask R-CNN从R-CNN1开讲...

1. 概率图模型概率图模型一般用来作为语义分割的后端优化，主要是细化语义分割边界。条件随机场马尔可夫随机场2. 神经网络FCN 2014Fully Convolutional Networks for Semantic Segmentation图像语义分割的输出需要是个分割图，然而分类网络的全连接层的输出是一个一维的，因此FCN被提出来进行二维分类，如结构图所示，特点有：...

[Machine Learning] 梯度下降法的三种形式BGD、SGD以及MBGD，这篇博客讲的很好。在应用机器学习算法时，通常采用梯度下降法来对采用的算法进行训练。其实，常用的梯度下降法还具体包含有三种不同的形式，它们也各自有着不同的优缺点。批量梯度下降法BGD批量梯度下降法（Batch Gradient Descent，简称BGD）是梯度下降法最原始的形式，它的具体思路是在更新每一参...

1. CNN模型发展1998 LeNet：最早用于数字识别的CNN2012 AlexNet： ILSVRC竞赛2012年第一名2013 ZFNet： ILSVRC竞赛2013年第一名2014 GoogleNet：ILSVRC竞赛2014年第一名VGG： ILSVRC竞赛2014年第二名2015 ResNet： ILSVRC竞赛20...