摘要：
ssd网络是全卷积的，理论上可以输入任意尺寸的图片。我在测试任意尺寸输入时发现一下问题： 训练：448×448的图 测试：896×896的图 测试时使用训练时2倍的尺寸，运行网络输出结果，明显发现检测的矩形框与应当得出的检测框大小呈2倍关系，折腾了几个小时，终于明白了。 解答：anchor的size 阅读全文
摘要：
https://www.zhihu.com/question/25404709 阅读全文
摘要：
ssd是经典的one-stage目标检测算法，作者是基于caffe来实现的，这需要加入新的层来完成功能，caffe自定义层可以使用python和c++，faster rcnn既使用了c++定义如smoothl1layer，又使用了python定义，如proposaltargetlayer、roida 阅读全文
摘要：
笔记本的情况是128Gssd和1T机械，笔记本已在ssd上装win10，准备在机械盘上安装ubuntu16系统。 1.基本操作 官网下载镜像，制作启动盘。 开机delete进入bios，设置启动方式为uefi，关闭安全模式，设置u盘优先启动 2.踩坑及解决方法 坑1.安装时卡在ubuutu logo 阅读全文
摘要：
简述：当下基于深度学习的目标检测算法一般分为三个部分:特征提取、区域推荐和区域分类，作者主要在特征提取部分创新，主干网络的核心思想是“更少的通道数，更深的层”、CRelu、Inception、HyperNet。 1.CRelu的实现： 2.Inception模块带来了丰富感受野： 3.HyperNe 阅读全文
摘要：
简述：近年来基于rpn的目标检测算法取得了很好的效果，但是对于小目标的检测效果还是不够理想，很大原因是rpn所依赖的特征图相较于原图变得很小，这可以通过更精细的特征图来缓解。注意到浅层的feature map往往比较精细，但是由于感受野较小，语义信息较弱，深层feature map比较粗糙，但是语义 阅读全文
摘要：
一句话说明：作者通过对Alexnet浅层卷积核参数的观察，发现了很多高度负相关的卷积核，于是猜测浅层卷积核是正负成对出现的，这就意味着通过这一对卷积核产生的feature map也是正负成对出现的，其实完全可以通过使用其中一个卷积核的featureMap取负得到对称的featureMap，于是作者构 阅读全文