RCNN + Fast RCNN + Faster RCNN
摘要：图像分类 图像定位 目标检测 和 实例分割 目标检测的发展历程（论文时间） 图片来自https://github.com/hoya012/deep_learning_object_detection#2014 相关链接https://blog.csdn.net/C_chuxin/article/de
阅读全文
posted @ 2020-07-17 17:49
07 2020 档案
pytorch_SSD300
摘要：SSD 网络结构图 原文采用了VGG16作为基础网络，也可以选择其他网络，比如RestNet50等 '300': [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 'C', 512, 512, 512, 'M',512, 512, 512], VGG 网络结构
阅读全文
posted @ 2020-07-17 16:05
pytorch_5.11 残差网络--RestNet
摘要：了解残差网络 ResNet是何凯明在2015年提出的一种网络结构 ResNet又名残差神经网络，指的是在传统卷积神经网络中加入残差学习（residual learning）的思想，解决了深层网络中梯度弥散和精度下降（训练集）的问题，使网络能够越来越深，既保证了精度，又控制了速度 ResNet网络是参
阅读全文
posted @ 2020-07-17 15:54
Pytorch_5.7 使用重复元素的网络--VGG
摘要：VGG网络 5.7.1 VGG块 VGG引入了Block的概念 作为模型的基础模块 import time import torch from torch import nn, optim import pytorch_deep as pyd device = torch.device('cuda'
阅读全文
posted @ 2020-07-17 15:46
pytorch_5.6 AlexNet
摘要：深度卷积神经网络 AlexNet 网络层数 8层 5个卷积层 3个全连接层 C1 卷积层 （卷积 → Relu → 池化 ） 卷积 input 227x227x3 这里的输入应该是227x227 kernel size 11x11x3 卷积核种类 96 stride = 4 feature map
阅读全文
posted @ 2020-07-17 15:44
pytorch_5.5 LeNet
摘要：5.5 LeNet最初是用来进行手写字体识别 5.5.1 LeNet模型 C1 卷积层 输入图片 input 32 * 32 卷积核 kernel size 5 * 5 卷积核种类 6 输出feature_maps大小 28*28 神经元数量 28 * 28 * 6 可训练参数 （5 * 5 + 1
阅读全文
posted @ 2020-07-17 15:38
