总结对比下$L_1$ 损失函数，$L_2$ 损失函数以及$\text{Smooth} L_1$ 损失函数的优缺点。 均方误差MSE ($L_2$ Loss) 均方误差（Mean Square Error,MSE）是模型预测值$f(x)$ 与真实样本值$y$ 之间差值平方的平均值，其公式如下 $$ M ...
分类：
其他好文 时间：
2019-12-11 13:33:45
阅读次数：
376
记录一下做数字仪表检测项目的过程，会附带部分代码 业务背景：四块仪表，每块表界面是4位（红色）数字，即要检测识别4个4位数字。在检测界面还有三个灯，三个灯都是3中颜色，红色、黄色、绿色。 我要做的就是实时的检测出4个4位数字具体的数值，并且对3个灯进行分类。 解决思路：首先在摄像头所拍摄到的界面中定 ...
分类：
其他好文 时间：
2019-11-18 12:59:24
阅读次数：
82
abstract 有两个问题：1.传统算法不适用于高光谱图像的高维数据；2.亚像素级的信息没有被充分利用。因此作者提出了通用的端到端的2维CNN来进行高光谱图像的变化检测。主要贡献：1.引入融合亚像素表示的混合亲和矩阵，挖掘更多的跨通道梯度特征，融合多源信息；2.设计2维CNN在更高的层次有效学习多 ...
分类：
Web程序 时间：
2019-10-26 22:41:14
阅读次数：
168
用Pytorch写了两个CNN网络，数据集用的是FashionMNIST。其中CNN_1只有一个卷积层、一个全连接层，CNN_2有两个卷积层、一个全连接层，但训练完之后的准确率两者差不多，且CNN_1训练时间短得多，且跟两层的全连接的准确性也差不多，看来深度学习水很深，还需要进一步调参和调整网络结构 ...
分类：
其他好文 时间：
2019-10-25 20:42:14
阅读次数：
81
https://github.com/cszn/SRMD https://github.com/2wins/SRMD-pytorch 创新点： 1. 设计了一个非盲单一 CNN 网络SRMD，针对多个退化模型， 模型的输入除了LR图，还有 degration map(blur kernel, noi... ...
分类：
其他好文 时间：
2019-09-16 16:07:06
阅读次数：
148
感知野的概念尤为重要，对于理解和诊断CNN网络是否工作，其中一个神经元的感知野之外的图像并不会对神经元的值产生影响，所以去确保这个神经元覆盖的所有相关的图像区域是十分重要的；需要对输出图像的单个像素进行预测的任务，使每一个输出像素具有一个比较大的感知野是十分重要的，在做预测试时，每一个关键的信息就不 ...
分类：
Web程序 时间：
2019-09-05 23:09:41
阅读次数：
120
目标检测算法可以分为两类： 一类是基于region proposal的R-CNN系列算法（R-CNN，Fast R-CNN, Faster R-CNN），它们是two-stage的。要先使用启发式方法（selective search）或者CNN网络（RPN）产生region proposal，然后 ...
分类：
其他好文 时间：
2019-08-26 14:40:27
阅读次数：
136
原文链接：https://www.dazhuanlan.com/2019/08/17/5d577456ecc9a/ 假期的时候跟着专知的一个深度学习课程学习了一些深度学习的内容，也是愈发觉得神经网络十分神奇，最近看了一份简单的图片分类的CNN网络，记录学习一下，从简单学起~ 大部分神经网络的基础就不 ...
分类：
其他好文 时间：
2019-08-25 01:26:39
阅读次数：
259
可以不进行特定样本下的微调吗？可以直接采用AlexNet CNN网络的特征进行SVM训练吗？ 不针对特定任务进行微调，而将CNN当成特征提取器，pool5层得到的特征是基础特征，类似于HOG、SIFT，类似于只学习到了人脸共性特征；从fc6和fc7等全连接层中所学习到的特征是针对特征任务特定样本的特 ...
分类：
其他好文 时间：
2019-08-24 21:20:02
阅读次数：
126
提高网络的效率和减少网络参数、计算量是CNN网络发展的重要方向，这篇总结主要介绍squeezeNet、mobileNet、xception、shuffleNet。这四个模型的操作有类似的处理方式，也有互相值得借鉴的地方。下面将对这四个模型进行介绍，然后最后做一个总结分析以及展望。 ...
分类：
Web程序 时间：
2019-05-25 22:51:11
阅读次数：
379
