02 2023 档案

【论文笔记】UNet
摘要：【深度学习】总目录 语义分割的U-Net网络是2015年诞生的模型，它几乎是当前segmentation项目中应用最广的模型。Unet能从更少的训练图像中进行学习，当它在少于40张图的生物医学数据集上训练时，IOU值仍能达到92%。Unet网络非常简单，前半部分作用是特征提取，后半部分是上采样。在一 阅读全文
posted @ 2023-02-26 19:14 湾仔码农 阅读(2100) 评论(0) 推荐(3) 编辑
交叉熵损失CrossEntropyLoss
摘要：在各种深度学习框架中，我们最常用的损失函数就是交叉熵，熵是用来描述一个系统的混乱程度，通过交叉熵我们就能够确定预测数据与真实数据的相近程度。交叉熵越小，表示数据越接近真实样本。 1 分类任务的损失计算 1.1 单标签分类 二分类 单标签任务，顾名思义，每个样本只能有一个标签，比如ImageNet图像 阅读全文
posted @ 2023-02-20 09:56 湾仔码农 阅读(3641) 评论(2) 推荐(1) 编辑
【论文笔记】FCN全卷积网络
摘要：全卷积网络（FCN）是用于图片语义分割的一种卷积神经网络（CNN），由Jonathan Long，Evan Shelhamer 和Trevor Darrell提出，由此开启了深度学习在语义分割中的应用。语义分割是计算机视觉领域很重要的一个分支，在自动驾驶、地面检测等方面都起到很重要作用。与简单区分前 阅读全文
posted @ 2023-02-13 19:39 湾仔码农 阅读(1092) 评论(0) 推荐(0) 编辑
【深度学习】总目录
摘要：1 分类网络 1.1 AlexNet 1.2 GoogLeNet系列 1.3 ResNet深度残差网络 1.4 轻量级网络MobileNet 2 目标检测 2.1 R-CNN系列之论文理解 2.2 R-CNN系列之代码实现 2.3 YOLO系列V1-V4 2.4 YOLOV5代码解析(输入端、Bac 阅读全文
posted @ 2023-02-04 15:39 湾仔码农 阅读(457) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示