仙守

摘要： ###0. AlexNet ###1. VGG VGG网络相对来说，结构简单，通俗易懂，作者通过分析2013年imagenet的比赛的最好模型，并发现感受野还是小的好，然后再加上《network in network》中的$1*1$卷积核，使得全文只在卷积网络的深度上做文章，从而得出了网络还是越深越 阅读全文

摘要： ###0. AlexNet ###1. VGG VGG网络相对来说，结构简单，通俗易懂，作者通过分析2013年imagenet的比赛的最好模型，并发现感受野还是小的好，然后再加上《network in network》中的$1*1$卷积核，使得全文只在卷积网络的深度上做文章，从而得出了网络还是越深越 阅读全文

摘要： ###0 - 背景 从rcnn，spp，fast rcnn， faster rcnn，yolo，ssd，这里又有个新模型叫rfcn，即Region-based Fully Convolutional Networks，R-FCN。虽然其比yolo，ssd出来的晚，不过看模型结构，更多的是针对fast 阅读全文

摘要： ###0. 背景 经过了rcnn，spp，fast rcnn， faster rcnn，yolo，这里又到了ssd模型。 faster rcnn的贡献是将候选框区域提取的部分也集成到CNN中去，并且与对象的分类和候选框区域微调共享同一个基CNN，而其中还是存在需要做4步训练的方法（作者虽然后续也实现 阅读全文

摘要： 这部分，写一写faster rcnn ###0. faster rcnn 经过了rcnn，spp，fast rcnn，又到了faster rcnn，作者在对前面的模型回顾中发现，fast rcnn提出的roi pooling 虽然解决的cnn网络在单张完整图重复计算的问题（每个由ss算法得到的区域候 阅读全文

摘要： 近些年，随着DL的不断兴起，计算机视觉中的对象检测领域也随着CNN的广泛使用而大放异彩，其中Girshick等人的《R-CNN》是第一篇基于CNN进行对象检测的文献。本文欲通过自己的理解来记录这几大模型的发展。（自己挖坑，自己待填） ###0. overfeat ###0.1. MultiBox # 阅读全文

摘要： 非极大抑制，是在对象检测中用的较为频繁的方法，当在一个对象区域，框出了很多框，那么如下图： 上图来自这里 目的就是为了在这些框中找到最适合的那个框.有以下几种方式： 1 nms 2 soft-nms 3 softer-nms 1. nms 主要就是通过迭代的形式，不断的以最大得分的框去与其他框做io 阅读全文

摘要： 接着扯YOLO v2 相比较于YOLO v1，作者在之前模型上，先修修补补了一番，提出了YOLO v2模型。并基于imagenet的分类数据集和coco的对象检测数据集，提出了wordnet模型，并成功的提出了YOLO9000模型。这里暂时只讲YOLO v2. 作者说yolo v1相比较其他基于区域 阅读全文

摘要： 这部分，我们来聊聊YOLO. YOLO：You Only Look Once，顾名思义，就是希望网络在训练过程中，一张图片只要看一次就行，不需要去多次观察，比如滑框啥的，从而从底层原理上就减少了很多的计算量。 ###0 - 扯扯 图1.YOLOv1检测过程 上图为YOLOv1的检测过程（其实第二版在 阅读全文

摘要： 最近需要做图片中文本识别的项目，然后为了快速验证模型，所以找到了mscoco-text数据集，网站1上是这么说的： 官网是这么说的： 然而，我下下来之后： 1 - 先导入： 2 - 其中key为’imgToAnns’是图片序号对应的注释序号，却是这样的： 然后，其中具体的图片中文字并不是完全标记出来 阅读全文