文章目录一、前言二、降维/升维增加非线性跨通道信息交互三、 应用实例四、卷积计算为什么卷积核都是奇数呢？一、前言卷积核（convolutional kernel）：可以看作对某个局部的加权求和；它是对应局部感知，它的原理是在观察某个物体时我们既不能观察每个像素也不能一次观察整体，而是先从局部开始认识，这就对应了卷积。卷积核的大小一般有1x1,3x3和5x5的尺寸（一般是奇数x奇数）。卷积核的个数就

文章目录一、注册Zotero新账号并下载二、配置Zotero一、注册Zotero新账号并下载登陆 Zoterohttps://www.zotero.org/user/register注册自己的Zotero 账号，提示：用户名 （username） 会生成个性域名，别乱起，以免未来不便。2.下载 Zotero 单机版https://www.zotero.org/downloadMac、Windows

文章目录一、FPN二、FPN的整体架构FPN应用于RPN层四、FPN总结一、FPN卷积网络的一个重要特征：深层网络容易响应语义特征，浅层网络容易响应图像特征。但是到了物体检测领域，这个特征便成了一个重要的问题，高层网络虽然能响应语义特征，但是由于Feature Map的尺寸较小，含有的几何信息并不多，不利于物体检测；浅层网络虽然包含比较多的几何信息，但是图像的语义特征并不多，不利于图像的分类，这个

原文：原文英文参考1、PV-RCNN首先讲解一下Grid-based和Point-based的方法的优缺点：一般来说，基于网格的方法计算效率更高，但不可避免的信息丢失会降低细粒度定位精度；而基于点的方法计算成本更高，但通过点集抽象很容易获得更大的接受域。网络的结构图如下：2、RPN分类回归头：将3D的feature map转为俯视图，高度变为通道，然后使用每个cell每个类别设置两个anchor，

文章目录1.1. 线性回归1.1.1. 线性回归的基本元素1.1.1.1. 线性模型1.1.1.2. 损失函数1.1. 线性回归回归（regression）是指一类为一个或多个自变量与因变量之间关系建模的方法。在自然科学和社会科学领域，回归经常用来表示输入和输出之间的关系。在机器学习领域中的大多数任务通常都与预测（prediction）有关。 当我们想预测一个数值时，就会涉及到回归问题。常见的例子

文章目录前言集成学习的核心一、随机森林算法原理二、随机森林的优势与特征重要性指标2.1随机森林的优势2.2特征重要性指标三、提升算法概述四、Stacking堆叠模型五、硬投票和软投票1.1概念介绍1.2硬投票展示1.3硬投票和软投票效果对比硬投票：软投票六、Bagging策略决策边界展示八、OOB袋外数据的作用九、特征重要性可视化展示十、AdaBoost算法决策边界展示十一、Gradient Bo

文章目录一、FPN二、FPN的整体架构FPN应用于RPN层四、FPN总结一、FPN卷积网络的一个重要特征：深层网络容易响应语义特征，浅层网络容易响应图像特征。但是到了物体检测领域，这个特征便成了一个重要的问题，高层网络虽然能响应语义特征，但是由于Feature Map的尺寸较小，含有的几何信息并不多，不利于物体检测；浅层网络虽然包含比较多的几何信息，但是图像的语义特征并不多，不利于图像的分类，这个

文章目录AlexNet网络的亮点：过拟合解决过拟合(Dropout)该图是上下两部分，使用了两个GPUAlexNet网络的亮点：首次利用CPU进行网络加速训练使用了ReLU激活函数，而不是传统的Sigmoid激活函数以及Tanh激活函数使用了LRN局部响应归一化在全连接层的前两层中使用了Dropout随机失活神经元操作，以减少过拟合。过拟合根本原因是特征维度过多，模型假设过于复杂，参数过多，训练数

ST-GCNIntroductionThis repository holds the codebase, dataset and models for the paper:此存储库包含论文的代码库、数据集和模型Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition Sijie Yan,

文章目录一、什么是ResNet网络结构一、什么是ResNet网络结构ResNet是一种残差网络，咱们可以把它理解为一个子网络，这个子网络经过堆叠可以构成一个很深的网络。左边是输入的256的通道数，先在主干上进行3x3x256的卷积，之后再进行激活函数relu，然后再进行3x3x256的卷积，最后和旁边捷径进行相加，必须保证两者的shape相同，再进行relu激活函数。右边图通过1x1x64进行降维