摘要：
文章目录 前言Stage它们的主要区别one-stageSSD网络结构图特点损失函数 YOLOv1网络结构图特点损失函数优缺点 YOLOv2改进网络结构特点损失函数优缺点 YOLOv3网络结构Darknet-53特点 YOLOv4改进检测头的改进 CIoU-loss五个基本组件损失函数 YOLOv5 阅读全文
摘要：
文章目录 原因解决方案1.预训练和微调2.relu、leakyrelu、Relu等激活函数3.Batch Normalization(批规范化)4.残差结构5.梯度剪切、正则6.LSTM（长短期记忆网络） 原因 梯度消失和梯度爆炸两种情况产生的原因可以总结成2类原因：1.深层网络的结构；2.不合适的 阅读全文
摘要：
文章目录 前言训练集loss不下降1.模型结构和特征工程存在问题2.权重初始化方案有问题3.正则化过度4.选择合适的激活函数，损失函数5.选择合适的优化器和学习速率6.训练时间不足7.模型训练遇到瓶颈8.batch size过大9.数据集未打乱10.数据集有问题11.未进行归一化12.特征工程中对数 阅读全文
摘要：
文章目录 来源应用作用跨通道的特征整合特征通道的升维特征通道的降维减少卷积核参数（简化模型）保持feature map尺度不变，增加非线性 和全连接层的关系 来源 Network In Network一文中提到，如果1×1卷积核接在普通的卷积层后面，配合激活函数，即可实现network in net 阅读全文