背景将“深度学习”和传统的“计算机视觉”的知识相结合，没有过多的使用深度学习2014年将PASCALVOC数据集检测率从35%提升到53%具体步骤总体的步骤图：1.候选区域生成：ROI(Regions of Interst)Selective Search算法将图像分割承小区域，合并包含同一物体可能性较高的区域，提取约2000个候选区域归一化处理，得到固定大小的图像利用 Selective Sea

参考：BN层一、背景引入原因随着网络越深，在反向传播算法向后传播的时候，梯度不断的相乘，从前到后之后，梯度将会很小损失出现在最后，后面的层训练的较快而数据在最底部底部的层训练较慢底部层一变化，所有都跟着变化最后那些层需要重新学习多次导致收敛变慢因此：可以在学习底部层的时候避免变化的顶不层提出2015 年，Google 研究人员Sergey Ioffe等提出了一种参数标准化(N..

FPN模块解析以及相关代码学习

对比多方教程，自己总结如何入门使用pytorch学习搭建基础网络模型进行训练和测试总结：1.准备数据这部分将会用到相关dataset和Dataloader2#.1准备数据，这些需要准备dataset.DataLoader#数据的准备train_data =datasets.MNIST("./data/train",train=True,transform= torchvision.transfor

目录引言：创新技术NIN块模型结构代码实现总结引言：AlexNet VGG等最后分类器的全连接层达到4096，从而出现参数过多的问题，易过拟合：全连接层问题卷积层需要较少的参数：i：输入 c：输出但卷积层后的第一个全连接层的参数LeNet：16*5*5*120 = 48kAlexNet：256*5*5*4096 = 26MVGG：512 *7 * 7 *4096 = 102M...

目录题目描述题目分析：哈希表法：C++实现python实现精妙的代码数组遍历法：题目描述找出数组中重复的数字。在一个长度为 n 的数组 nums 里的所有数字都在 0～n-1 的范围内。数组中某些数字是重复的，但不知道有几个数字重复了，也不知道每个数字重复了几次。请找出数组中任意一个重复的数字。输入：[2, 3, 1, 0, 2, 5, 3]输出：2 或 3题目分析：本题用哈希表更快，python

参考：BN层一、背景引入原因随着网络越深，在反向传播算法向后传播的时候，梯度不断的相乘，从前到后之后，梯度将会很小损失出现在最后，后面的层训练的较快而数据在最底部底部的层训练较慢底部层一变化，所有都跟着变化最后那些层需要重新学习多次导致收敛变慢因此：可以在学习底部层的时候避免变化的顶不层提出2015 年，Google 研究人员Sergey Ioffe等提出了一种参数标准化(N..

参考：BN层一、背景引入原因随着网络越深，在反向传播算法向后传播的时候，梯度不断的相乘，从前到后之后，梯度将会很小损失出现在最后，后面的层训练的较快而数据在最底部底部的层训练较慢底部层一变化，所有都跟着变化最后那些层需要重新学习多次导致收敛变慢因此：可以在学习底部层的时候避免变化的顶不层提出2015 年，Google 研究人员Sergey Ioffe等提出了一种参数标准化(N..

FPN模块解析以及相关代码学习

目录1、前言2、网络创新过拟合：LRN:Local Response Normalization归一化3、网络结构图：4.代码实现5.总结1、前言AlexNet 是 2012 年 ISLVRC2012 (Image Large Scale Visual Recognition Challenge) 竞赛的冠军网络，原始论文为ImageNet Classification with Deep Con