阅读目录Images AnalysisImage Motion & TrackingVideo Analysis & Scene Understanding3D Computer VisionAnalyzing Humans in ImagesApplicationLow- & Mid-Level VisionText回到目录Image...

前言：SSD（Single Shot MultiBox Detector）是大神Wei Liu在 ECCV 2016上发表的一种的目标检测算法。对于输入图像大小300x300的版本在VOC2007数据集上达到了72.1%mAP的准确率并且检测速度达到了惊人的58FPS（ Faster RCNN：73.2%mAP，7FPS； YOLOv1： 63.4%mAP，45FPS），500x500...

前言：Local Response Normalization(LRN)技术主要是深度学习训练时的一种提高准确度的技术方法。其中caffe、tensorflow等里面是很常见的方法，其跟激活函数是有区别的，LRN一般是在激活、池化后进行的一种处理方法。LRN归一化技术首次在AlexNet模型中提出这个概念。通过实验确实证明它可以提高模型的泛化能力，但是提升的很少，以至于后面不再使用，甚至有...

  全文摘要卷积神经网络(CNN)可以说是深度学习发展的一个缩影，特别是现在在计算机视觉方面已经得到了非常成熟的应用，在目标检测、目标追踪等方面也是独领风骚，本文将讲述卷积神经网络近些年来的发展历程，以及它到底创新在什么地方。本文略长，看完大约30min。卷积神经网络的十大概念与创新 1、Group convolution 卷积只能在同一组进行吗？答案当然是能！...

前言：ZF网络是2013年提出的，网上有很多关于它的介绍和讲解，但是很多内容讲的不太好（个人感觉），于是花时间收集了一些资料，整理了一些比较好的文章，从头到尾把ZFNet说了一遍。一、ZFNet简介1.1 为什么起名ZFnetworkILSVRC 2013获胜者是来自Matthew Zeiler和Rob Fergus的卷积网络。它被称为ZFNet（Zeiler＆...

前言：这篇文章是对已经较为深入理解了RNN、LSTM、GRU的数学原理以及运算过程的人而言的，如果不理解它的基本思想和过程，可能理解起来不是很简单。一、先从一个实例看起这是官网上面的一个例子，本次以LSTM作为例子而言，实际上，GRU、LSTM、RNN的运算过程是很类似的。import torchimport torch.nn as nnlstm = nn.LSTM(10,...

前言：我们前面将的各种循环神经网络的实现都是固定的时间步长的，即timesteps的长度是固定的，但是在实际问题中，这个往往是不固定的，为什么呢？因为文本数据在处理的时候，由于各样本的长度并不一样，有的句子长有的句子短这就导致在timesteps上面是维度不固定的，这种数据该如何处理呢？这就是本文要说的重点了。目录一、大胆尝试，直接填充0行不行？二、tensorflow对于...

前言：tensorboard是一个非常强大的工具、不仅仅可以帮助我们可视化神经网络训练过程中的各种参数，而且可以帮助我们更好的调整网络模型、网络参数，这一块类容后面会讲到，不管是tensorflow、keras、还是pytorch，tensorboard都提供了非常好的支持，本文是系列文章的第一篇，详细介绍基于keras+tensorboard如何来进行网络的可视化。写这篇文章的初衷很简单...

一、从生成模型开始谈起1、什么是生成模型？概率统计层面：能够在给丁某一些隐含参数的条件下，随机生成观测数据的这样一种模型，称之为“生成模型”。它给观测值和比周数据系列制定一个连和概率分布机器学习层面：直接对数据进行建模，比如根据某个变量的概率密度函数进行数据采样。在贝叶斯算法中，直接对连和概率分布P(x,y)进行建模，然后利用贝叶斯公式进行求解P(y|x)。2、生成模型的两大类型...

进入正文一、什么是“感受野”感受野感受野的概念1.1“感受野”的概念来源于生物神经科学，比如当我们的“感受器”，比如我们的手受到刺激之后，会将刺激传输至中枢神经...