weixin_43800002的博客

文章目录背景R-CNN的工作流程R-CNN模型预训练使用Selective Search找出候选区域核心将候选区域resize成CNN输入的尺寸fine-tuning训练二元分类器回归模型 网上看了很多关于R-CNN的理解，讲的都非常细致，但是读者很容易就抓不住论文所介绍的方法核心和思路。我觉得一种新技术最好的方法是先抓住方法的框架，然后再去深究方法里面的细节，或许这才可以不失主次之分。 背景 本文参考论文：R-CNN 论文的创新点主要有两个，第一个是由底层向上的图像分割和检测，然后在不同尺度上对候选框进行

文章目录前提介绍CNN结构输入层卷积层池化层全连接层实现定义输入输出输入层卷积层1池化层1卷积层2&池化层2flat(平坦化)全连接层dropout层输出层损失训练准确率图初始化数据流动 前提介绍 本文通过TensorFlow利用Mnist数据集来实现CNN，因为大名鼎鼎的Mnist被收录在了TensorFlow中，所以我们只需要直接调用就可以使用该数据集了。 from tensorflow.examples.tutorials.mnist import input_data mnist=input