logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

深度学习目标检测之SSD网络(超级详细)

SSD介绍:是作者Wei Liu在ECCV 2016上发表的论文提出的。对于输入尺寸300*300的SSD网络使用Nvidia Titan X在VOC 2007测试集上达到74.3%mAP以及59FPS(每秒可以检测59张图片);对于输入512*512的SSD网络,达到了76.9%mAP,超越了当时最强的Faster RCNN(73.2%mAP)。达到真正的实时检测。SSD网络结构:(可以达到在不

#目标检测#深度学习
深度学习图像处理之VGG网络模型 (超级详细)

VGG介绍:由牛津大学著名研究所VGG提出,斩获该年ImageNet竞赛中Localization Task(定位任务)第一名和Classification Task(分类任务)第二名。VGG网络的配置:(VGG-16是许多模型中的主干网络)在原论文中,作者给了6个VGG网络的不同配置,并且尝试了不同的深度(11、13、16、19层)以及是否采用LRN等。在实际使用过程中,我们一般都会采用D这个配

#深度学习#图像处理#网络
深度学习图像处理之VGG网络模型 (超级详细)

VGG介绍:由牛津大学著名研究所VGG提出,斩获该年ImageNet竞赛中Localization Task(定位任务)第一名和Classification Task(分类任务)第二名。VGG网络的配置:(VGG-16是许多模型中的主干网络)在原论文中,作者给了6个VGG网络的不同配置,并且尝试了不同的深度(11、13、16、19层)以及是否采用LRN等。在实际使用过程中,我们一般都会采用D这个配

#深度学习#图像处理#网络
深度学习目标检测之SSD网络(超级详细)

SSD介绍:是作者Wei Liu在ECCV 2016上发表的论文提出的。对于输入尺寸300*300的SSD网络使用Nvidia Titan X在VOC 2007测试集上达到74.3%mAP以及59FPS(每秒可以检测59张图片);对于输入512*512的SSD网络,达到了76.9%mAP,超越了当时最强的Faster RCNN(73.2%mAP)。达到真正的实时检测。SSD网络结构:(可以达到在不

#目标检测#深度学习
深度学习目标检测之SSD网络(超级详细)

SSD介绍:是作者Wei Liu在ECCV 2016上发表的论文提出的。对于输入尺寸300*300的SSD网络使用Nvidia Titan X在VOC 2007测试集上达到74.3%mAP以及59FPS(每秒可以检测59张图片);对于输入512*512的SSD网络,达到了76.9%mAP,超越了当时最强的Faster RCNN(73.2%mAP)。达到真正的实时检测。SSD网络结构:(可以达到在不

#目标检测#深度学习
Focal Loss损失函数(超级详细的解读)

什么是损失函数?1、什么是损失呢?在机器学习模型中,对于每一个样本的预测值与真实值的差称为损失。2、什么是损失函数呢?显而易见,是一个用来计算损失的函数。它是一个非负实值函数,通常使用L(Y, f(x))来表示。3、那损失函数有什么用呢?度量一个模型进行每一次预测的好坏(即预测值与真实值的差距程度)。差距程度越小,则损失越小,该学习模型越好。4、损失函数如何使用呢?损失函数主要是用在模型的训练阶.

#深度学习#cnn#迁移学习
到底了