摘要: 论文连接 arxiv: http://arxiv.org/abs/1512.02325 paper: http://www.cs.unc.edu/~wliu/papers/ssd.pdf slides: http://www.cs.unc.edu/%7Ewliu/papers/ssd_eccv201 阅读全文
posted @ 2017-10-16 21:01 起床oO 阅读(2548) 评论(0) 推荐(0) 编辑
摘要: 缩小图像 缩小图像(或称为下采样(subsampled)或降采样(downsampled))的主要目的是两个: 下采样的原理: 对于一幅图像尺寸为M*N,对其进行s倍的下采样,即得到(M/s)*(N/s)尺寸的分辨率图像,当然,s应该是M和N的公约数才可以,如果考虑是矩阵形式的图像,就是把原始图像s 阅读全文
posted @ 2017-10-16 16:56 起床oO 阅读(26511) 评论(0) 推荐(0) 编辑
摘要: 神经网络 卷积神经网络依旧是层级网络,只是层的功能和形式做了变化,可以说是传统神经网络的一个改进。多了许多传统神经网络没有的层次。 卷积神经网络的层级结构 数据输入层/Input Layer 卷积计算层/Conv Layer 激励层/ReLU Layer 池化层/Pooling Layer 全连接层 阅读全文
posted @ 2017-10-16 15:26 起床oO 阅读(911) 评论(0) 推荐(0) 编辑
摘要: 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 阅读全文
posted @ 2017-10-16 14:50 起床oO 阅读(419) 评论(0) 推荐(0) 编辑
摘要: R-FCN:Object Detection via Region-based Fully Convolutional Networks R-FCN的网络结构 一个Base的convolutional网络如RestNet101,一个RPN(Faster RCNN来的),一个Postition Sen 阅读全文
posted @ 2017-10-13 11:33 起床oO 阅读(625) 评论(0) 推荐(0) 编辑
摘要: 基于深度学习的目标检测 普通的深度学习监督算法主要用来做分类,分类的目标是要识别出图中所示是一只猫。而在ILSVRC(ImageNet Large Scale Visual Recognition Challenge)竞赛以及实际的应用中,还包括目标定位和目标检测等任务。其中目标定位不仅仅要识别出来 阅读全文
posted @ 2017-10-12 17:47 起床oO 阅读(1898) 评论(0) 推荐(0) 编辑
摘要: 每个做过或者正在做研究工作的人都会关注一些自己认为有价值的、活跃的研究组和个人的主页,关注他们的主页有时候比盲目的去搜索一些论文有用多了,大牛的或者活跃的研究者主页往往提供了他们的最新研究线索,顺便还可八一下各位大牛的经历,对于我这样的小菜鸟来说最最实惠的是有时可以找到源码,很多时候光看论文是理不清 阅读全文
posted @ 2017-10-12 14:21 起床oO 阅读(586) 评论(0) 推荐(1) 编辑
摘要: R-CNN for Small Object Detection 文章方法概括 整个检测流程 用改进版的RPN(修改了anchor的尺度,称为modified RPN)提取候选区域 用改进版的CNN(结合了上下文信息的CNN模型,base的CNN可以用AlexNet或者VGG,称为ContextNe 阅读全文
posted @ 2017-10-12 09:49 起床oO 阅读(1242) 评论(0) 推荐(0) 编辑
摘要: 使用Tensorflow中的神经网络来拟合函数(y = x ^ 3 + 0.7) 实验结果 阅读全文
posted @ 2017-10-11 17:47 起床oO 阅读(234) 评论(0) 推荐(0) 编辑
摘要: 数据增强 在图像的深度学习中,为了丰富图像训练集,更好的提取图像特征,泛化模型(防止模型过拟合),一般都会对数据图像进行数据增强,数据增强,常用的方式,就是旋转图像,剪切图像,改变图像色差,扭曲图像特征,改变图像尺寸大小,增强图像噪音(一般使用高斯噪音)等,但需要注意,不要加入其它图像轮廓的噪音。在 阅读全文
posted @ 2017-10-11 11:16 起床oO 阅读(1242) 评论(0) 推荐(0) 编辑