摘要： 一、整体流程介绍 二、数据准备 根据目标大小不同，考虑3种图像划分尺度，大中小； 而对锚框本身，有正、长、宽3种形态； Po有无中心坐标（0、1）、Bx、By、Bw、Bh，这里是5个特征值，再加上COCO数据集本身自带的80个类别； 故对于每个图像块均构造一个对应的标签列向量y，（5+80）* 3 阅读全文

摘要： 〇、目标检测 1、定义：既包括回归问题（外接框顶点坐标回归也包括分类问题（识别每个检测框中的物体种类） 在深度学习中，目标检测就是在图像中自动生成确定物体/目标位置（定位目标）， 及物体类别（目标识别）目标的位置的表示方法， 通常是目标的外边界的矩形框（或其他形式的框）的各项顶点。 2、基于深度学习 阅读全文

摘要： 0、图像语义分割的问题定义 语义分割是在像素级别上，自动理解或预测图像中的每个像素所属的物体类别 语义分割 1、全卷积网络FCN 没有全连接层，只有卷积层，且在进行卷积后，需将特征图恢复到原始图像的大小 通道数和特征保持一致 算法原理 神经网络结构 损失函数 2、U-Net U-Net将浅层网络中的 阅读全文

摘要： 什么是图像增广（Image Data Augmentation） 1、定义： 广义的图像数据增强：以增加数据的多样性；有时指的是图像质量增强，如超分辨率技术。 广义的图像数据增强包含图像质量增强技术 2、作用： 深度学习以数据驱动方式训练模型，因此深度学习是数据依赖的。 在深度学习中，图像增强是提高 阅读全文

摘要： 激活函数 作用：增加非线性因素 Relu激活函数，含GELU softmax激活函数：优势和劣势都无限扩大，每个都是自然数次方 sofrmax和sigmoid的区别： sigmoid激活函数： 每个神经元激活时只看自己激活前的值，不满足各个神经元激活后的输出值相加等于1的性质，个神经元之间是独立的。 阅读全文

摘要： 损失函数概念 1、对于监督学习：估量神经网络模型的预测值和真实值的不一致的程度，衡量的是：在神经网络训练阶段，某个或若干个输入样本，在输出层上的预测值和真实值之间不一致的程度。 2、广义上（无监督）：衡量两个特征向量之间的差异程度/不一致程度/距离 3、作用：定义最终的损失值，是神经网络误差回传和权 阅读全文

摘要： 一、孪生神经网络 1、概述：它在目标识别与追踪、精确制导、行人重识别、人脸验证、笔迹验证、图像匹配等领域具有重要应用。 尤其在基于孪生网路的目标检测与追踪方面，设计了SiamFC、SiamRPN、SiamRPN++、DaSiamRPN等经典算法。 本质上，孪生网路是一种实现深度度量学习的深度学习技术 阅读全文

摘要： 1 ''' 2 参考资料： PyTorch官方文档 3 ''' 4 5 # 导入所需的包 6 import torch 7 import wandb 8 import torch.nn as nn 9 from torchvision import transforms 10 from torchv 阅读全文

摘要： 1 # 导入所需的包 2 import torch 3 #import wandb 4 import torch.nn as nn 5 from torchvision import transforms 6 from torch.utils.data import DataLoader 7 fro 阅读全文

摘要： 图中绿色部分即指明了VGG16所采用的结构。 我们针对VGG16进行具体分析发现，VGG共包含： 13个卷积层（Convolutional Layer），分别用conv3-XXX表示 3个全连接层（Fully connected Layer）,分别用FC-XXXX表示 5个池化层（Pool laye 阅读全文