上一页 1 2 3 4 5 6 7 8 9 10 ··· 18 下一页
摘要: 1. 前言 YOLOV3是单阶段目标检测算法YOLO系列的第三个版本,由华盛顿大学Joseph Redmon发布于2018年4月,广泛用于工业界。 改进了正负样本选取、损失函数、Darknet-53骨干网络,并引入了特征金字塔多尺度预测,显著提升了速度和精度。 2. 网络结构 换了骨干网络,把bac 阅读全文
posted @ 2023-04-28 16:48 大师兄啊哈 阅读(226) 评论(0) 推荐(0) 编辑
摘要: 1. 前言 YOLOV2是YOLO目标检测系列算法的第二个版本。 第一部分:在YOLOV1基础上进行了若干改进优化,得到YOLOV2,提升算法准确度和速度。特别是增加了Anchor机制,改进了骨干网络。 第二部分:提出分层树状的分类标签结构WordTree,在目标检测和图像分类数据集上联合训练,YO 阅读全文
posted @ 2023-04-28 00:45 大师兄啊哈 阅读(218) 评论(0) 推荐(0) 编辑
摘要: 1. 前言 由Joseph Redmon等人2016年在论文《You Only Look Once: Unifified, Real-Time Object Detection》中提出的一阶段目标检测算法,核心思想是将物体检测任务视为回归问题。它通过将图像分成S×S个网格,每个网格负责预测该网格中是 阅读全文
posted @ 2023-04-26 22:28 大师兄啊哈 阅读(161) 评论(0) 推荐(0) 编辑
摘要: 1. 前言 ResNeXt是由何凯明团队在论文《Aggregated Residual Transformations for Deep Neural Networks》提出来的新型图像分类网络。 ResNeXt是ResNet的升级版,在ResNet的基础上,引入了cardinality的概念,其实 阅读全文
posted @ 2023-04-07 02:25 大师兄啊哈 阅读(339) 评论(0) 推荐(0) 编辑
摘要: 1. 前言 SENet由Momenta公司,在论文《Squeeze-and-Excitation Networks》提出,核心是SE block,它通过对特征通道间的相关性进行建模,把重要的特征进行强化来提升准确率。 作者采用SENet block和ResNeXt结合在ILSVRC 2017(最后一 阅读全文
posted @ 2023-04-05 13:16 大师兄啊哈 阅读(285) 评论(0) 推荐(0) 编辑
摘要: 1. 前言 ResNet由微软亚洲研究院在论文《Deep Residual Learning for Image Recognition》中提出,获得2015年ImageNet图像分类、定位、检测,MS COCO竞赛检测、分割五条赛道的冠军,通过引入残差连接,有效解决深层网络训练时的退化问题,可以通 阅读全文
posted @ 2023-04-03 23:34 大师兄啊哈 阅读(456) 评论(0) 推荐(0) 编辑
摘要: 1. 前言 VGG是由牛津大学视觉组(Visual Geometry Group,Vgg的名称也是来源于此)在2014年的论文《Very Deep Convolutional Networks for Large-Scale Visual Recognition》中提出的卷积神经网络模型。 VGG将 阅读全文
posted @ 2023-04-02 17:02 大师兄啊哈 阅读(1188) 评论(0) 推荐(0) 编辑
摘要: 1. 前言Inception V4是google团队在《Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning》论文中提出的一个新的网络,如题目所示,本论文还提出了Inception-ResN 阅读全文
posted @ 2023-03-30 22:35 大师兄啊哈 阅读(571) 评论(0) 推荐(1) 编辑
摘要: 1. 前言 Inception V2/V3由googLeNet的一作在《Rethinking the Inception Architecture for Computer Vision》中提出。本论文在GoogLeNet和BN-Inception的基础上,对Inception模块的结构、性能、参数 阅读全文
posted @ 2023-03-29 13:57 大师兄啊哈 阅读(445) 评论(0) 推荐(0) 编辑
摘要: [重读经典论文]GoogLeNet——Inception模块的诞生 GoogLeNet深度卷积神经网络结构,及其后续变种Inception-V1、Inception-V2-Inception-V3、Inception-V4。 使用Inception模块,引入并行结构和不同尺寸的卷积核,提取不同尺度的特征,将稀疏矩阵聚合为较为密集的子矩阵,大大提高计算效率,降低参数数量。加入辅助分类器,实现了模型整合、反向传播信号放大。 GoogLeNet在ILSVRC-2014图像分类竞赛中获得了top-5误差6.7%的冠军成绩。 阅读全文
posted @ 2023-03-27 23:13 大师兄啊哈 阅读(1083) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 8 9 10 ··· 18 下一页