1、R-FCN结构 适应全卷积化CNN结构，提出全卷积化设计 共享ResNet的所有卷积层 引入变换敏感性（Translation variance） 1、位置敏感分值图（Position-sensitive score maps） 特殊设计的卷积层 Grid位置信息+类别分值 2、位置敏感池化（P ...
分类：
其他好文 时间：
2019-03-07 10:24:39
阅读次数：
251
原文链接：https://yq.aliyun.com/topic/111 08 反向传播(Back Propagation，简称BP) 算法 在神经网络（甚至深度学习）参数训练中，BP算法占据举足轻重的地位。 实际上BP算法是一个典型的双向算法，但通常强调的是反向传播。 工作流程分两大步： 1. 正 ...
分类：
其他好文 时间：
2019-03-06 01:23:53
阅读次数：
277
相比于MLP（多层感知器）的神经网络，CNN（卷积神经网络）有卷积层和池化层。 在构建MNIST字符集的识别训练过程中，卷积神经网络采用了： 输入层 卷积层1 池化层1 卷积层2 池化层2 平坦层 隐层层 输出层 输入层输入二维的图像，28X28的一个矩阵。 在卷积层1，将输入层的一个矩阵图像，采用 ...
分类：
其他好文 时间：
2019-02-21 17:28:42
阅读次数：
180
我在训练Goolenet inception-v3时候出现了concat错误，因此写下concat层的一些知识点，以供读者跳坑 concat层在inception-v3网络中存在非常明显，之所以需要concat层是由于在之前的卷积池化层进行了卷积核大小的变化 卷积核大小变化的出发点：1.减小sobe ...
分类：
其他好文 时间：
2019-02-18 12:57:37
阅读次数：
133
前言 VGGNet是牛津大学计算机视觉组（VisualGeometry Group）和GoogleDeepMind公司的研究员一起研发的的深度卷积神经网络。VGGNet探索了卷积神经网络的深度与其性能之间的关系，通过反复堆叠3*3的小型卷积核和2*2的最大池化层，VGGNet成功地构筑了16~19层 ...
分类：
其他好文 时间：
2018-12-25 22:25:03
阅读次数：
277
其实现在用的最多的是faster rcnn，等下再弄项目~~~ 图像经过基础网络块，三个减半模块，每个减半模块由两个二维卷积层，加一个maxPool减半（通道数依次增加【16,32,64】） 然后是多个（3个）多尺度特征块。每个特征块依次都是一个减半模块，通道数固定128 最后一个全局最大池化层模块 ...
分类：
其他好文 时间：
2018-12-20 14:47:47
阅读次数：
377
1.卷积神经网络的激活函数--Relu 使用新的激活函数--Relu，公式如下： 2.卷积神经网络的网络架构：卷积层、Pooling层（也叫池化层）、全连接层 2.1卷积层的计算公式： 其中D为卷积层的深度 附：图像大小、步幅和卷积后的Feature Map大小关系： W、H：卷积前原图像的宽、高（ ...
分类：
其他好文 时间：
2018-12-17 16:58:51
阅读次数：
200
#!/usr/bin/env pythonimport tensorflow as tfinput_num = 64output_num = 2def create_file(path,output_num): #write = tf.python_io.TFRecordWriter('train. ...
分类：
其他好文 时间：
2018-12-16 11:13:15
阅读次数：
168
本文来自《Large Margin Softmax Loss for Convolutional Neural Networks》，时间线为2016年12月，是北大和CMU的作品。 0 引言 过去十几年，CNN被应用在各个领域。大家设计的结构，基本都包含卷积层和池化层，可以将局部特征转换成全局特征， ...
分类：
其他好文 时间：
2018-12-14 15:00:50
阅读次数：
194
1、CNN的层级结构包括： 数据输入层/ Input layer 卷积计算层/ CONV layer ReLU激励层 / ReLU layer 池化层 / Pooling layer 全连接层 / FC layer Batch Normalization层(可能有) 2、一般 CNN 结构依次为： ...
分类：
其他好文 时间：
2018-12-10 14:13:27
阅读次数：
832
