摘要：
背景：当我们输入一张图片时，我们要搜索出所有可能是物体的区域，搜出的候选框是矩形的，而且是大小各不相同。因此对于每个输入的候选框都需要缩放到相同的大小。 各向异性缩放：直接拉伸，扭曲了 整变异了 各项同性缩放：看链接 阅读全文
摘要：
L2正则化倾向于使网络的权值接近0（L2正则化实质上是对权值做线性衰减）。这会使前一层神经元对后一层神经元的影响降低，使网络变得简单，降低网络的有效大小，降低网络的拟合能力。 正则化的目的：限制参数过多或者过大，避免模型更加复杂。例如，使用多项式模型，如果使用 10 阶多项式，模型可能过于复杂，容易 阅读全文
摘要：
正则化是解决高方差问题的重要方案之一，也是Reducing Overfiltering（克服过拟合）的方法。 过拟合一直是DeepLearning的大敌，它会导致训练集的error rate非常小，而测试集的error rate大部分时候很大。网络的拟合能力随之降低，这会使网络不容易过拟合到训练集。 阅读全文