- 博客(26)
- 收藏
- 关注
RSS订阅原创 狗都能看懂的DDIM论文详解
DDIM可以看作是DDPM的更通用的形式，或者说DDIM是DDPM的一种子集，它不利用上一个step的信息就可以求出任意一个step的结果，可以做到跳步生成，从而实现采样的加速过程。由于DDIM的改进主要是在采样阶段，所以可以直接将DDPM训好的模型用DDIM采样，所以大家普遍都会认为DDIM是个采样算法，实际上它的推导的意义更加重大。当然这样的跳步生成也是有代价的，会有一些损失，从论文结果上看，DDIM可以用非常少量的精度损失作为代价，换取10倍至50倍的速度提升。这个对实际体验和落地有很大帮助。
2024-04-17 17:08:29
760
原创 狗都能看懂的Deblurring via Stochastic Refinement论文详解
把Diffusion Model迁移到了去模糊任务上，而且提出了Predict and Refine的思路，有效降低了参数量和计算量，对扩散模型的落地和部署有比较大的意义。
2024-04-11 11:28:31
752
原创 狗都能看懂的SR3（Image Super-Resolution via Iterative Refinement）论文详解
第一篇利用Diffusion Model做超分辨率重建的论文，非常新颖的思路
2024-04-10 11:06:09
703
原创 狗都会用的余弦退火（CosineAnnealingLR）学习率调节算法讲解
Loss NaN？分类准确率不高？目标检测Map低？语义分割Miou低？快来试试CosineAnnealingLR吧
2022-11-09 11:41:35
20095
7
原创 狗都能看懂的变化检测网络Siam-NestedUNet讲解——解决工业检测的痛点
1、问题介绍工业检测如今深度学习的发展如火如荼，各类神奇的技术如人脸识别、换脸技术啥的，似乎什么问题都只需要Deep Learning一下就可以解决了。但这都是属于民用级别的技术，而真正想要在实际业务中落地，更多的是要渗透到工业中去。常见的工业检测有如下特点：良品多，次品少。如果一个工厂生产的大部分都是坏品，那这个工厂就离倒闭不远了。而恰恰深度学习则需要大量的坏品数据。产品换批次，产线更新。经常一换产品，之前优化过的模型就没办法再用了。就针对这两个问题，目前学术界较为成熟的目标检测、图像分割
2021-11-26 12:04:46
12163
58
原创 U-Net详解：为什么它适合做医学图像分割？（基于tf-Kersa复现代码）
1、U-netU-Net是一篇基本结构非常好的论文，主要是针对生物医学图片的分割。这种“对称”的结构也是神经网络中比较少见的，但如果把整个网络拉直，这样就和其他语义分割网络类似了。2、特点介绍首先，我们先来看一下U-Net的整体结构，可以看到，它并不是完全对称的。UNet原文中提到，输入图像是512x512大小的，那为什么图中第一层的宽高却是572呢？这样做有什么好处？Over-tile策略Unet使用一种称为overlap-tile的的策略，使得任意大小输入的图片都可以获得一个无缝分割。ove
2021-08-15 12:12:05
4296
原创 SegNet——论文笔记
1、什么是语义分割（semantic segmentation）？图像语义分割，简而言之就是对一张图片上的所有像素点进行分类，将所有属于同一类的物体标记为同一像素点。SegNet基于FCN，修改VGG-16网络得到的语义分割网络。2、SegNet（A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation）SegNet 有一个编码器网络和一个相应的解码器网络，然后是最终的逐像素分类层。编码器在编码器处，执
2021-07-04 11:23:07
2304
原创 FCN——语义分割的开山鼻祖（基于tf-Kersa复现代码）
1、什么是语义分割（semantic segmentation）？图像语义分割，简而言之就是对一张图片上的所有像素点进行分类，将所有属于同一类的物体标记为同一像素点。而今天要来介绍的则是第一个用卷积神经网络来做语义分割的方法——FCN。2、FCN（Fully Convolutional Networks for Semantic Segmentation）常见的卷积神经网络在多次卷积之后会接上若几个全连接层，将卷积和下采样产生的feature map映射成为一个固定长度的特征向量。一般的CNN结构
2021-06-27 11:21:06
2827
2
原创 YOLOv3详解：从零开始搭建YOLOv3网络
因为YOLO系列有不同版本，分为v1，v2，v3，v4四个版本，从论文上分析需要从头开始，本文从实战入手，分析YOLOv3的原理。代码地址：https://github.com/Runist/YOLOv31、YOLOv3网络结构骨干网络（backbone）——特征提取YOLOv2的backbone采用的是DarkNet19 ，而YOLOv3采用的是DarkNet53。DarkNet53中无池化层，全连接层，特征图的缩小是通过增加卷积核的步长实现的。DarkNet53的每一个卷积部分使用了特有
2021-02-15 14:31:02
12816
1
原创 EfficientNet解读：神经网络的复合缩放方法（基于tf-Kersa复现代码）
论文：https://arxiv.org/pdf/1905.11946.pdf代码：https://github.com/qubvel/efficientnet1、介绍EfficientNet这篇论文在发布之初就引起了广泛关注，原因是因为它展示出的结果将现有的网络全部秒杀了，并且在准确率高出一截的情况下，参数量还少，在ImageNet上屠榜。看到这让人叹为观止的结果，很多人会认为这篇论文应该是提出了全新的结构，才能做到又快又好。其实并不是这样，作者独辟蹊径，从一个之前完全没有人注意的角度：量化三个
2021-02-10 21:04:42
2895
原创 DropBlock: 卷积层的正则化方法及复现代码
论文：https://arxiv.org/pdf/1810.12890.pdf1、什么是Dropout？我相信各位一定了解过Dropout，所谓Dropout就是提高神经网络泛化性一种方法，可以有效减轻过拟合。为什么它有效呢？从下图分析：一个标准的神经网络如图(a)所示，由于训练数据（假设为人脸数据）的局限性，使得神经网络很依赖于某一个神经元，而其他神经元相当于没有起作用，网络每次都只通过眼睛来判断是不是个人。如果此时直接拿一个全新的测试数据集让这个网络进行识别，很可能因为图片中眼睛被遮挡而得出错误
2021-02-09 12:27:13
2860
2
原创 DenseNet详解及Keras复现代码
代码地址：https://github.com/liuzhuang13/DenseNet论文地址：https://arxiv.org/pdf/1608.06993.pdf1、DenseNet随着卷积神经网络变得越来越深，一个新的问题出现了：当输入或梯度信息在经过很多层的传递之后，在到达网络的最后（或开始）可能会消失或者“被冲刷掉”（wash out）。DenseNet（Dense Convolutional Network）主要还是和ResNet及Inception网络做对比，思想上有借鉴，但却是不一
2021-02-08 12:10:29
3303
6
原创 SENet详解及Keras复现代码
SENet详解论文地址：https://arxiv.org/pdf/1709.01507.pdf代码地址：https://github.com/hujie-frank/SENet1、通道间的特征关系近些年来，卷积神经网络在很多领域上都取得了巨大的突破。而卷积核作为卷积神经网络的核心，通常被看做是在局部感受野上，将空间上（spatial）的信息和特征维度上（channel-wise）的信息进行聚合的信息聚合体。卷积神经网络由一系列卷积层、非线性层和下采样层构成，这样它们能够从全局感受野上去捕获图像的特
2021-02-02 10:18:16
7749
16
原创 目标检测中的IoU、GIoU、DIoU与CIoU
什么是IOU？简单来说IOU就是用来度量目标检测中预测框与真实框的重叠程度。在图像分类中，有一个明确的指标准确率来衡量模型分类模型的好坏。其公式为：acc=PtrueNN=全部样本的数量，Ptrue=预测正确的样本数量acc = \frac{P_{true}}{N} {\quad}{\quad}{\quad}{\quad}{\quad}{\quad}{\quad}N=全部样本的数量，P_{true}=预测正确的样本数量acc=NPtrueN=全部样本的数量，Ptrue=预测正确的样本数量这个
2020-12-14 10:55:32
32773
9
原创 目标检测中的先验框（Anchor）
什么是先验框？了解过目标检测算法的朋友们肯定知道先验框(Anchor)的概念，那么什么是先验框，为什么要有先验框？若要解释这个问题，首先我们需要了解边界框回归原理。bounding box regression如图所示，图中的狗子是我们要检测的目标，也即是红框(Ground Truth)圈住的物体。在通常情况下模型预测到的框是绿色框。但是由于绿色框不准，相当于没有正确的检测出狗子。所以我们希望有一个方法对绿色框进行调整，使得绿色框更接近红色框。对于预测框我们一般使用（x,y,w,h）（x,y,w,
2020-12-10 12:11:45
17750
24
原创 Faster RCNN原理及复现代码
原理Faster RCNN主要可以分为四个内容：Conv layers。作为一种CNN网络目标检测方法，Faster RCNN首先使用一组基础的conv+relu+pooling层提取image的feature maps。该feature maps被共享用于后续RPN层和全连接层。Region Proposal Networks。RPN网络用于生成区域建议框。该层通过softmax判断anchors属于前景或者背景，再利用预测框回归修正anchors获得精确的建议框。Roi Pooling。该层
2020-12-09 11:23:14
2935
5
原创 狗都能看懂的MAML原理讲解和代码实现
meta-leaning指的是元学习，元学习是深度学习的一个分支，一个好的元模型（meta-learner）应该具备对新的、少量的数据做出快速而准确的学习。通俗的来讲， 对于人来说，给几张橘猫的图片让看一下，再给你几张没见过的英短猫图片，你一定能很快识别出来都是猫。但是对于神经网络来说，并非如此。如果让一个小汽车分类网络去识别不同的大货车，那效果肯定很差。而传统的CNN网络都是输入大量的数据，然后进行分类的学习。但是这样做的问题就是，神经网络的通用性太差了，根本达不到“智能”的标准。而人类的认知系统，可以通
2020-11-21 10:44:59
45422
130
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人