1×1卷积，又称为Network in Network 如果卷积的输出输入都只是一个平面，那么1x1卷积核并没有什么意义，它是完全不考虑像素与周边其他像素关系。 但卷积的输出输入是长方体，所以1x1卷积实际上是对每个像素点，在不同的channels上进行线性组合（信息整合），且保留了图片的原有平面结 ...
分类：
Web程序 时间：
2018-01-22 21:19:16
阅读次数：
219
object detection我的理解，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。object detection要解决的问题就是物体在哪里，是什么这整个流程的问题。然而，这个问题可不是那么容易解决的，物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方 ...
分类：
其他好文 时间：
2018-01-21 23:54:16
阅读次数：
282
图像语义分割，简单而言就是给定一张图片，对图片上的每一个像素点分类。 图像语义分割，从FCN把深度学习引入这个任务，一个通用的框架事：前端使用FCN全卷积网络输出粗糙的label map，后端使用CRF条件随机场/MRF马尔科夫随机场等优化前端的输出，最后得到一个精细的分割图。 前端 为什么需要FC ...
分类：
其他好文 时间：
2018-01-11 15:51:58
阅读次数：
1289
SPP-Net是出自2015年发表在IEEE上的论文-《Spatial Pyramid Pooling in Deep ConvolutionalNetworks for Visual Recognition》。 池化空间金字塔的核心是： 1、因为，cnn要求图像固定大小，所以要做crop和warp ...
分类：
Web程序 时间：
2018-01-10 11:29:26
阅读次数：
362
Basic Conception: 感受野（Reception Field） 权值共享（shared weights） 池化，即降采样（sub-Sampling） 卷积核（kernel，filter） 特征图（feature map）卷积核数量=feature map数量 ...
分类：
其他好文 时间：
2018-01-09 22:08:45
阅读次数：
152
我们知道卷积神经网络（CNN）在图像领域的应用已经非常广泛了，一般一个CNN网络主要包含卷积层，池化层（pooling），全连接层，损失层等。虽然现在已经开源了很多深度学习框架（比如MxNet，Caffe等），训练一个模型变得非常简单，但是你对这些层具体是怎么实现的了解吗？你对softmax，sof ...
分类：
其他好文 时间：
2018-01-04 12:26:27
阅读次数：
180
局部最小值： 全连接： 梯度下降：值越大，函数变化越快。 梯度下降（Gradient Descent）小结 激活函数： ReLu(Rectified Linear Units)激活函数 池化： tensorflow 1.0 学习：池化层（pooling)和全连接层(dense) caffe学习笔记3 ...
分类：
其他好文 时间：
2018-01-02 21:21:02
阅读次数：
147
Learning Goals Understand the convolution operation Understand the pooling operation Remember the vocabulary used in convolutional neural network (pad ...
分类：
Web程序 时间：
2018-01-01 20:41:07
阅读次数：
205
CNN中减少参数的2两个规则： 1、局部感知。生物学中，视觉皮层的神经元是局部感知信息的，只响应某些特定区域的刺激；图像的空间联系中，局部的像素联系较为紧密，距离较远的像素相关性较弱。 这个对应于算法中卷积核的大小，mnist手写识别在28*28的像素中取patch为5*5。 上图中：左边是全连接， ...
分类：
其他好文 时间：
2017-12-15 16:17:45
阅读次数：
114
一、 1、一般训练集合的数量为权重数量的5-10倍 二、卷积神经网络 1、卷积核也可以理解为滤波器 2、卷积神经网络中一般包括了卷积和池化，包括最大值池化和平均值池化 3、卷积操作过程 4、池化操作 ...
分类：
其他好文 时间：
2017-12-11 14:16:41
阅读次数：
137
