Sousky的博客

week 1  10/11-10/14计算机视觉综述：cs231n_2018_lecture01观看视频p1和p2热身，了解计算机视觉概述以及历史背景。观看p3了解整门课程的大纲。 学习数据驱动的方法和KNN算法和线性分类器[上]：cs231n_2018_lecture02观看视频p4,p5和p6学习图像分类笔记上（链接：https://zhuanlan.zhihu.com/p...

由于从事图像分类分割，因此侧重在语义分割的内容上。准备精读 convolutional networks for semantic segmentation这篇文章，包括其参考文献的内容。让自己对FCN有个了解和学习的过程。 这篇先介绍convolutional networks for semantic segmentation的Introducton部分，当然...

2 Related work        我们的方法利用最近成功的deep nets for图像分类[20, 31, 32]和迁移学习[3, 38]. 迁移先使用在识别[3, 38]，然后到检测和语义分割[10, 15, 13]. 我们重新构建和调制一个分类网络，dense prediction of语义分割。        现在有很多工作，运用convnet去dense predict...

仅仅针对TensorFlow平台下载代码参考：https://blog.youkuaiyun.com/scutjy2015/article/details/70230379即下载：https://github.com/shekkizh/FCN.tensorflow代码解释：https://blog.youkuaiyun.com/MOU_IT/article/details/81073149运行时出现...

可以参考：https://blog.youkuaiyun.com/u012290039/article/details/38818405CNN: single-label to multi-label总结https://juejin.im/post/5b38971be51d4558b10aad26二分类、多分类与多标签问题的区别,对应损失函数的选择,你知道吗？...

zhanwei

占位

文章翻译可以参考：https://blog.youkuaiyun.com/wspba/article/details/57074389ResNet理解汇总：1、http://lanbing510.info/2017/08/21/ResNet-Keras.html2、https://cloud.tencent.com/developer/article/1148375plain n...

 采用matconvnet常常会出现如下情况，即训练出现了过拟合。针对过拟合常用的方法有正则化和dropout，以及batch normalization。目前有人认为，卷积层后可以用batch normalization，不需要用dropout。而全连接层，参数较多，dropout效果较好。以matconvnet中mnist数据集为例，opts.batchNormalizatio...

Week9    12/03-12/09 第1部分学习任务：（1）掌握 RNN 和 LSTM 的基本知识slides: lecture10（ https://github.com/sharedeeply/cs231n-camp/blob/master/slides/cs231n_2018_lecture10.pdf ） 观看视频 p21（ https://www.bilibili...

Week8    11/26-12/02（1）了解经典的网络结构slides: lecture09（ https://github.com/sharedeeply/cs231n-camp/blob/master/slides/cs231n_2018_lecture09.pdf ） 观看视频 p20（ https://www.bilibili.com/video/av17204303 /）...

希望以一系列文章记录自己的学习历程，以此激励自己完成该课程学习，同时也方便自己日后查阅，和帮忙有兴趣的人一起学习。课程资料：课程主页：http://cs231n.stanford.educourse note：http://cs231n.github.io知乎翻译：https://zhuanlan.zhihu.com/p/21930884推荐b站的视频观看：https://ww...

week 2  10/15-10/21损失函数和最优化：cs231n_2018_lecture03观看视频 p7 和 p8，了解更多关于线性分类器，损失函数以及优化器的相关知识学习线性分类笔记中（链接： https://zhuanlan.zhihu.com/p/20945670），线性分类笔记下（链接：https://zhuanlan.zhihu.com/p/21102293）和最优化...

论文学习，暂时只考虑2-D，不考虑3-D MRF能量函数如下，i表示像素空间index，y表示潜在的变量，V表示nodes，ε表示边。是一元项，如果i点属于第一个类别而不是第二类别，则是二元项，是像素对，测量惩罚labels u,v分配给(i，j)。 一元项表示每个点的分类，而像素对（二元项）反映一系列平滑约束        p(……) 表示点i是label u的概...

week 3  10/22-10/28神经网络初步：cs231n_2018_lecture04(http://cs231n.stanford.edu/slides/2018/cs231n_2018_lecture04.pdf )观看视频 p9 和 p10，学习反向传播算法笔记(https://zhuanlan.zhihu.com/p/21407711)反向传播算法的数学补充(http:...

week 4  10/29-10/28学习pytorch基础 （ https://pytorch.org/tutorials/beginner/deep_learning_60min_blitz.html ） 了解 kaggle 比赛房价预测（ https://www.kaggle.com/c/house-prices-advanced-regression-techniques ） 学习...

Week5  11/5-11/11卷积神经网络初步 slides:lecture05（ http://cs231n.stanford.edu/slides/2018/cs231n_2018_lecture05.pdf ）观看视频 p11, p12 和 p13，学习 CNN 中的卷积层和池化层 学习卷积神经网络笔记（ https://zhuanlan.zhihu.com/p/22038289...

Week6    11/12-11/18如何更好的训练网络(上) slides: lecture06（ http://101.110.118.25/cs231n.stanford.edu/slides/2018/cs231n_2018_lecture06.pdf ）观看视频 p14, p15，学习训练神经网络中的激活函数，初始化和正则化方法 学习神经网络笔记1（ https://zhua...

Week7    11/19-11/25如何更好的训练网络(下) slides: lecture07（ https://github.com/sharedeeply/cs231n-camp/blob/master/slides/cs231n_2018_lecture07.pdf ）观看视频 p16, p17 和 p18, 了解训练神经网络中更多的标准化方法以及更多的学习率更新策略 学习神...

语义分割的各种loss详解与实现：https://blog.youkuaiyun.com/wangdongwei0/article/details/84576044?tdsourcetag=s_pcqq_aiomsgfocal loss实现：https://baijiahao.baidu.com/s?id=1631660497731008746&wfr=spider&for=...