摘要：
什么是预训练模型 简单来说，预训练模型(pre-trained model)是前人为了解决类似问题所创造出来的模型。你在解决问题的时候，不用从零开始训练一个新模型，可以从在类似问题中训练过的模型入手。 比如说，你如果想做一辆自动驾驶汽车，可以花数年时间从零开始构建一个性能优良的图像识别算法，也可以从 阅读全文
摘要：
channel=1的灰度图输入的情况 多通道卷积操作 左列的X是输入的图像（此处channel是3，也可以理解为RGB，色彩图像），中间红色的列是我们的kernel（即3*3的filter），共两个（即输出的feature通道为2）。最后一列为卷积之后的特征（由于是2个kernel，输出通道为2）。 阅读全文
摘要：
Squeeze-and-Excitation Networks Paper 近些年来，卷积神经网络在很多领域都取得了巨大的突破。而卷积核作为卷积神经网络的核心，通常被看做是在局部感受野上，将空间上（spatial）的信息和特征维度上（channel-wise）的信息进行聚合的信息聚合体。卷积神经网络 阅读全文
摘要：
1789张图像 包含6类Object：Clock，Lamp(Desk Lamp)，Faucet，Outlet，Switch，Sign 类别 图片数量 物体数量 训练集图片数量 训练集物体数量 测试集图片数量 测试集物体数量 测试集物体数量/ 训练集物体数量 Clock 404 440 333 360 阅读全文
摘要：
图片预处理 图片生成器ImageDataGenerator 用以生成一个batch的图像数据，支持实时数据提升。训练时该函数无限生成数据，知道达到规定的epoch次数为止。 参数 featurewise_center：布尔值，使输入数据集去中心化（均值为0）按feature执行 samplewise 阅读全文
摘要：
Dense层：全连接层 Activatiion层：激活层，对一个层的输出施加激活函数 Dropout层：为输入数据施加Dropout。Dropout将在训练过程中每次更新参数时按一定概率(rate)随机断开输入神经元，Dropout层用于防止过拟合 Flatten层：Flatten层用来将输入“压平 阅读全文
摘要：
先定义几个参数 输入图片大小 W*W Filter大小F*F 步长 S padding的像素数P N = ( W + 2*P - F ) / S + 1 输入图片的大小为N * N 阅读全文
摘要：
根据tensorflow中的Conv2D函数，先定义几个基本符号： 在tensorflow中padding的方式有两种，一种是valid，一种是same padding='valid' new_height = new_width = (W - F + 1) / S (结果向上取整) 也就是说，Co 阅读全文
摘要：
常用的Region Proposal Selective Search Edge Boxes Softmax-loss softmax-loss层和softmax层计算大致是相同的，softmax是一个分类器，计算的是类别的概率（Likelihood），是Logistic Regression的一种 阅读全文
摘要：
【目标检测】Faster RCNN算法详解 Ren, Shaoqing, et al. “Faster R-CNN: Towards real-time object detection with region proposal networks.” Advances in Neural Infor 阅读全文