摘要: Faster R-CNN 作者:Ross B. Girshick NIPS'15 paper:Faster R-CNN 亮点 提出RPN解决select search速度慢的问题 网络结构 流程 输入图像会被缩放到$M\times N$大小 采用一系列卷积操作,得到对应的特征图 特征图输入RPN网络 阅读全文
posted @ 2021-08-17 20:15 xiaowk5516 阅读(73) 评论(0) 推荐(0) 编辑
摘要: Fast R CNN 和R CNN是同一位作者 paper: "Fast R CNN" 亮点 引用ROI pooling,可以输入任意尺寸的图像 region proposal在特征提取之后,可以共享卷积层部分的参数 分类部分换成全连接层softmax loss是分类+框回归的联合,不用分别训练 网 阅读全文
posted @ 2021-08-17 19:36 xiaowk5516 阅读(38) 评论(0) 推荐(0) 编辑
摘要: R-CNN 目标检测+深度学习开山之作 CVPR'14 paper:Rich feature hierarchies for accurate object detection and semantic segmentation 亮点 使用selection search(region propos 阅读全文
posted @ 2021-08-17 17:10 xiaowk5516 阅读(61) 评论(0) 推荐(0) 编辑
摘要: SPP-Net ECCV'14 Paper:《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》 Abstract 现存的深度卷积神经网络要求固定输入图像的尺度(比如224*224),这种人工设 阅读全文
posted @ 2021-05-14 10:23 xiaowk5516 阅读(156) 评论(0) 推荐(0) 编辑
摘要: CSPNet paper:CSPNET: A NEW BACKBONE THAT CAN ENHANCE LEARNING CAPABILITY OF CNN Abstract 作者将模型推理过程需要庞大的计算量归因于网络优化过程中重复的梯度计算。 CSPNet整合了网络从开始到结束阶段的所有特征图 阅读全文
posted @ 2021-04-16 20:52 xiaowk5516 阅读(1082) 评论(0) 推荐(1) 编辑
摘要: Ubuntu18.04+opencv4.4+ffmpeg 安装前把anaconda卸载了。 gcc 7 安装 添加版本及优先级 查看版本 切换版本 ffmpeg 安装 查看版本 依赖 opencv 4.4以及opencv_contrib 4.4.0 资源 "opencv 4.4" "opencv_c 阅读全文
posted @ 2021-04-09 14:50 xiaowk5516 阅读(901) 评论(0) 推荐(0) 编辑
摘要: [OS]Linux常用命令 主要内容来自《Linux达人养成计划I》 也推荐一下《鸟哥的Linux私房菜》 命令基本格式 命令提示符格式 [role@host directory]sign [角色@主机名 当前所在目录]提示符 role: root为管理员(超级用户),可以自己创建用户,比如我为xw 阅读全文
posted @ 2021-04-06 12:29 xiaowk5516 阅读(95) 评论(0) 推荐(0) 编辑
摘要: ResNet paper:Deep Residual Learning for Image Recognition Highlight 引入残差映射,使网络的深度有了极大的提升。 Abstract 针对神经网络增加深度后会难以训练的问题,作者提出了残差学习框架。残差结构引入了输入,在ImageNet 阅读全文
posted @ 2021-03-31 17:47 xiaowk5516 阅读(96) 评论(0) 推荐(0) 编辑
摘要: VGG paper: 《Very Deep Convolutional Networks for Large-Scale Image Recognition》 亮点 只使用3*3的卷积核,使用小卷积核但是更深的网络效果更好。 探索了不同深度的网络。 AlexNet里面的LRN没啥用。 网络结构 3* 阅读全文
posted @ 2021-03-31 17:37 xiaowk5516 阅读(125) 评论(0) 推荐(0) 编辑
摘要: AlexNet paper: 《ImageNet Classification with Deep Convolutional Neural Networks》 亮点 使用``ReLU`激活函数 使用LRN局部响应归一化 使用重叠的池化操作 使用Dropout减少过拟合 在ImageNet LSVR 阅读全文
posted @ 2021-03-31 17:29 xiaowk5516 阅读(19) 评论(0) 推荐(0) 编辑