- 博客(13)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 You Only Look Once: Unified, Real-Time Object Detection
YOLO是一种真正端到端训练和预测的网络模型，它将目标探测作为一个回归问题来处理，直接从整张图片中预测bounding boxes和物体类别概率。YOLO最大的优势是在速度极快并且还实现了较高的检测性能，在GPU上运行是可以达到45的帧率，fast版本可以达到155的帧率，与RCNN相比，定位错误比较明显也是YOLO的主要劣势，但背景误检率比RCNN要低。-------------------...
2018-10-26 23:57:14
175
翻译 Pytorch DEEP LEARNING WITH PYTORCH: A 60 MINUTE BLITZ
GETTING STARTED Tensorspytorch深度学习框架中的Tensor和numpy的操作类似，还可以在GPU上进行加速~import torch# Construct a 5x3 matrix, uninitialized# 刚开始不明白这个未初始化是什么意思，明明赋值了啊，后来试验了多次# 发现每次打印出来的值都不一样，有的非常大有的非常小，可能这里未初始...
2018-10-24 20:30:26
528
原创 Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
Faster R-CNN = RPN + Fast R-CNNAbstractSPPnet和Fast R-CNN虽然减少了算法运行时间，但region proposal仍然是限制算法速度的瓶颈。而Faster R-CNN提出了Region Proposal Network (RPN)，该网络基于卷积特征预测每个位置是否为物体以及目标边框，相比selective search是非常高效！每张...
2018-10-23 13:09:55
400
原创 Fast R-CNN
AbstractFast R-CNN采用了一些创新来提高训练和测试的速度，同时也提高了检测的准确率。Fast R-CNN训练深度VGG16网络比训练R-CNN快9倍，在测试时快213倍，并且在PASCAL VOC 2012数据集上获得了一个更高的平均平均准确率（mAP）。目标探测算法有两个主要挑战：1、图像需要进行预处理来提取大量的候选区；2、这些目标候选区域仅仅是粗糙的定位，需要进行重新...
2018-10-19 16:25:47
146
原创 SPP-net(Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition)
Abstract SPP-net提出了空间金字塔池化层来解决CNN只是输入固定尺寸的问题，因为单固定尺寸的输入会影响识别效果，并且对于多尺度图像的情况下鲁棒性不好。SPP-net很好的解决了以上问题，对于任意尺度图像都可以提取出固定维度的特征，实验证明SPP-net对分类任务(不同网络结构)和目标探测任务都有积极的作用。RCNN则是将候选区送入模型，这样会非常耗时，而且SPP-net网络以整张...
2018-10-18 14:35:49
532
原创 R-CNN（Rich feature hierarchies for accurate object detection and semantic segmentation）
Abstract以往的目标检测算法不仅效果不好而且原理复杂，RCNN是一种简单并且可扩展的算法，在VOC2012数据集上mean average precision (mAP)提高了30%。RCNN主要使用了两个方法：（1）使用CNN代替传统的特征提取方法来对候选区进行定位和分割（2）对于目标检测任务来说数据量是稀少的，所以采用了预训练CNN的策略。Introduction特征问题，最...
2018-10-15 23:25:12
365
原创 Tensorflow Dataset api介绍 mnist举例
写完了Dataset api介绍，但真到读取数据集时可能还是不知道怎么用。。所以，对mnist进行举例。还不知道Dataset api怎么用得，可以去传送门1和传送门2查看~~~不多说上代码：第一个版本——（initializable迭代器+placeholder的方式）import tensorflow as tfimport numpy as npfrom tensorf...
2018-09-19 21:10:57
1866
2
原创 Tensorflow——————API 使用方法记录
1.tf.one_hot 返回一个onehot tensortf.one_hot( indices, depth, on_value=None, off_value=None, axis=None, dtype=None, name=None) indices: tensor类型值得索引. depth: 代表...
2018-09-18 19:17:42
164
原创 TensorFlow数据读取（一）—————— Dataset
TensorFlow提供了一种内置的API—ataset，使得我们可以很容易地就利用输入管道的方式输入数据。可以像队列读取数据那样，生产batch、数据增强等等。官方介绍tf.data.Dataset 可以表示为一些元素的序列，该元素序列可以是列表、元组甚至是字典。比如对于图像通道，元素可以是单独的数据样本，也可以是成对的（样本+label），这里提供了两种不同的创建dataset的方式：...
2018-09-11 18:54:04
1360
原创 变量:创建、初始化、保存和加载
官方教程class tf.Variable一个变量通过调用run()来维护图中的状态，通过创建一个类实例添加一个变量到图中。Variable()构造函数接受一个变量的初始值，该初始值可以是任何类型、任何shape的张量。初始值定义了变量的类型和shape，变量的shape通常是固定的，初始值是可以通过assign methods来改变的。如果你想稍后改变变量的shape，需要把assi...
2018-09-01 15:37:01
357
原创 tf.control_dependencies
在训练神经网络模型时，每过一遍数据都要反向传播来更新网络参数，但有时候我们还想做其他操作，比如：更新参数的滑动平均、BN操作等。为了一次完成多个操作而且是有顺序的执行，TF提供了tf.control_dependencies和tf.group两种机制。tf.control_dependencies(control_inputs)参数：control_inputs：在运行上下文中定义的操作...
2018-09-01 15:26:52
183
原创 TF-Batch Normalization的实际用法
Batch Normalization的好处我就不多说了，详细可看论文，其实老早之前就看过论文了，但无奈拖延症(加上使用Keras)，所以对BN的代码具体实现（train和test阶段）不是很懂，所以在此记个笔记~~~~~~~~~~简要说下：训练完成后的均值方差还只是最后一个batch的均值方差，所以测试的时候我们用训练时所有批次均值方差的滑动平均来作为测试的均值方差，区别就这些，实际操作还是看...
2018-09-01 15:23:22
1686
原创 keras遇到的bug记录
起初是在简书上写一些笔记，但无奈简书文艺青年比较多，今天开始在CSDN记录下自己的一些学习过程。好吧，第一篇竟然是记录bug。。。。 之前一直是用tf和keras，后来想学习一下caffe，所以换了cuda和cudnn，重新装了tensorflow和keras，但以前用的好好的今天确遇到了一些bug。 tensorflow遇到的问题是目前TF还不支持CUDA9.1，索性我又换到...
2018-09-01 15:14:38
401
机器学习实战代码
2018-05-13
机器学习实战
2018-05-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人