u013087645的专栏

论文地址：点击打开链接翻译地址：点击打开链接代码以及一些注释地址：点击打开链接网络模型图： 训练集预处理：1.S即裁剪后的图片长度有：256和384 ，选其中一个把短边压缩到s然后用是s*s的框随机裁剪2.s是裁剪后的图片长度在【256，512】之间，如果要裁剪的图片的长度不在范围内则进行裁剪，如果在范围内，则随机取一...

论文地址：https://arxiv.org/abs/1703.06211翻译地址：https://www.jianshu.com/p/940d21c79aa3源码解读：https://blog.youkuaiyun.com/mykeylock/article/details/77746499?utm_source=blogkpcl11 Deformable Convolution Netwo...

论文链接：https://arxiv.org/abs/1711.11575 代码链接：https://github.com/msracver/Relation-Networks-for-Object-Detection源代码讲解：https://blog.youkuaiyun.com/u014380165/article/details/80779712在介绍这篇论文之前首先介绍一下边框回归（ht...

协方差在机器学习中经常需要计算协方差矩阵，本科时没学过这个概念，一直对此非常头疼。现在试图通过实例的计算、图形化的表示来梳理一下什么是协方差矩阵。A numerical example问题：有一组数据（如下），分别为二维向量，这四个数据对应的协方差矩阵是多少？解答：由于数据是二维的，所以协方差矩阵是一个2*2的矩阵，矩阵的每个元素为：元素(i,j) = (第 i 维...

整理一下之前看过的内容，方便后面忘记时查询。谈谈深度学习中的 Batch_SizeBatch_Size（批尺寸）是机器学习中一个重要参数，涉及诸多矛盾，下面逐一展开。首先，为什么需要有 Batch_Size 这个参数？Batch 的选择，首先决定的是下降的方向。如果数据集比较小，完全可以采用全数据集 （Full Batch Learning ）的形式，这样做至少有 2 个好处：其一，...

object detection我的理解，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。object detection要解决的问题就是物体在哪里，是什么这整个流程的问题。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。object detection技术的演进：RCNN->S...

论文地址：  resnet 论文原文地址文献翻译地址：https://blog.youkuaiyun.com/Quincuntial/article/details/77263562?locationNum=6网络深度为何重要？因为CNN能够提取low/mid/high-level的特征，网络的层数越多，意味着能够提取到不同level的特征越丰富。 并且，越深的网络提取的特征越抽象，越具有语义信息...

论文链接：https://arxiv.org/abs/1512.02325论文翻译链接：https://blog.youkuaiyun.com/quincuntial/article/details/78854930 本文提出的SSD算法是一种直接预测目标类别和bounding box的多目标检测算法。与faster rcnn相比，该算法没有生成 proposal 的过程，这就极大提高了检测速度...

GoogleNet到目前为止一共四个版本，论文下载地址：【v1】Going Deeper with Convolutions【v2】Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift【v3】Rethinking the Inception Archite...

从一个通道的图片进行卷积生成新的单通道图的过程很容易理解，对于多个通道卷积后生成多个通道的图理解起来有点抽象。本文以通俗易懂的方式讲述卷积，并辅以图片解释，能快速理解卷积的实现原理。最后手写python代码实现卷积过程，让Tensorflow卷积在我们面前不再是黑箱子！注意：本文只针对batch_size=1,padding='SAME'，stride=[1,1,1,1]进行实验和解释，其他如果不...

引言先坦白地说，有一段时间我无法真正理解深度学习。我查看相关研究论文和文章，感觉深度学习异常复杂。我尝试去理解神经网络及其变体，但依然感到困难。接着有一天，我决定一步一步，从基础开始。我把技术操作的步骤分解开来，并手动执行这些步骤（和计算），直到我理解它们如何工作。这相当费时，且令人紧张，但是结果非凡。现在，我不仅对深度学习有了全面的理解

AP聚类一般翻译为近邻传播聚类，07年被提出，其优点有： 不需要制定最终聚类族的个数  已有的数据点作为最终的聚类中心，而不是新生成一个族中心。  模型对数据的初始值不敏感。  对初始相似度矩阵数据的对称性没有要求。  相比与k-centers聚类方法，其结果的平方差误差较小。首先简要介绍一下AP算法，跟其他聚类算法的不同之处是，AP在开始时，将所有节点都看成潜在的聚类中心，然后通过...

Alex在2012年提出的alexnet网络结构模型引爆了神经网络的应用热潮，并赢得了2012届图像识别大赛的冠军，使得CNN成为在图像分类上的核心算法模型。接下来本文对该网络配置结构中各个层进行详细的解读（训练阶段）：注：下述关于卷积核的尺寸来自于Alex在2012年发表的经典论文。1.conv1阶段DFD（data flow diagram）：第一层输入数据为...

论文：https://arxiv.org/abs/1207.0580博客代码：https://blog.youkuaiyun.com/l494926429/article/details/51943564 一个师兄在找工作面试过程中碰到手写dropout算法，写个博客学习并记录一下Bagging基于自助采样算法：   给定包含m个样本的数据集D，我们对它进行采样产生数据集D’：每次随机从D...