摘要：
论文：Aggregated Residual Transformations for Deep Neural Networks 网址：https://arxiv.org/abs/1611.05431 ResNeXt是ResNet网络一个小幅的升级，更新了block。 Group Convolutio 阅读全文
摘要：
文章目录 1. MobileNet V1 2. MobileNet V2 3. MobileNet V3 传统卷积神经网络，内存需求大、运算量大，导致无法在移动设备以及嵌入式设备上运行。 MobileNet网络是由google团队在2017年提出的，专注于移动端或者嵌入式设备中的轻量级CNN网络。相 阅读全文
摘要：
在卷积神经网络中，决定某一层输出结果中一个元素所对应的输入层的区域大小，被称为感受野。通俗的解释是，输出feature map上的一个单元对应输入层上的区域大小。 感受野计算公式： F ( i ) = ( F ( i + 1 ) − 1 ) × S t r i d e + K s i z e F(i 阅读全文
摘要：
文章目录 1. Self-attention2. Multi-head Self-attention3. Positional Encoding4. Transformer4.1 Encoder4.2 Decoder4.2.1 Autoregressive4.2.2 Non-autoregressi 阅读全文
摘要：
文章目录 1. 梯度下降与反向传播2. Logistic回归3. 处理多维特征的输入4. 加载数据集5. 多分类问题6. 卷积神经网络7. 循环神经网络 1. 梯度下降与反向传播 梯度下降、随机梯度下降、批量随机梯度下降 梯度下降：所有数据一起求损失、求平均，进行梯度下降，可并行，但是效果不好随机梯 阅读全文
摘要：
文章目录 1. 简介2. TypeScript环境搭建3. TS类型4. TS编译选项5. webpack6. Babel7. 类（Class）8. 面向对象的特点9. 接口（Interface）10. 泛型（Generic） 1. 简介 TS以JavaScript为基础构建的语言，一个JavaSc 阅读全文
摘要：
文章目录 1. 简介2. YOLOv4整体结构3. Backbone4. Neck 1. 简介 YOLOv4是YOLOv3的改进版。YOLOv4并不是原YOLO项目的作者。发表于CVPR2020。 改进： 主干特征提取网络：Darknet53 -> CSPDarknet53特征金字塔：SPP，PAN 阅读全文
摘要：
在深度学习中，通常将模型分为三个部分：backbone、neck 和 head。 Backbone：backbone 是模型的主要组成部分，通常是一个卷积神经网络（CNN）或残差神经网络（ResNet）等。backbone 负责提取输入图像的特征，以便后续的处理和分析。backbone 通常具有许多 阅读全文
摘要：
文章目录 1. Backbone Darknet-532. 整体架构3. 损失函数4. 训练过程5. 预测过程 YOLOv1、YOLOv2都是在CVPR这种正规的计算机视觉学术会议上发表的正式学术论文。 YOLOv3不算一篇严谨的学术论文，是作者随笔写的技术报告。 YOLOv3性能： 1. Back 阅读全文
摘要：
1 × 1 1\times 1 1×1卷积核对输入数据的通道做约简。 每个 1 × 1 1\times 1 1×1卷积核相当于在输入数据的通道上做了一个降维（经过一个神经元个数为1的全连接层），从而相当于大幅度降低了特征图的数量，但不影响特征图的结构。 使用 1 × 1 1\times 1 1×1卷 阅读全文