SSD-Caffe(Official) – VGG16SystemVOC2007 test mAPFPS (Titan X)Number of BoxesInput resolutionFaster R-CNN (VGG16)73.27~6000~1000 x 600YOLO (customized)63.44598

基本情况《A Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection》是发表于ECCV16的一篇很出色的文章，来自加州圣地亚哥的Zhaowei Cai。其基本思路是提出了一种多尺度卷积神经网络，由于不同层的feature map的优势不一样，如较低层的feature map由于感知野较小，因此对

在全连接网络部分，Dropout这一超参得到了较为广泛的应用，同时取得了不错的效果。下面就来简单地谈谈Dropout。什么是Dropout我们知道，典型的神经网络其训练流程是将输入通过网络进行正向传导，然后将误差进行反向传播。Dropout就是针对这一过程之中，随机地删除隐藏层的部分单元，进行上述过程。综合而言，上述过程可以分步骤为：随机删除网络中的一些隐藏神经元，保持输入输出神经元不变；将输入

在NIN(Network in Network) 这篇论文中有很多的思想让人受益匪浅，其中之一就是全局平均池化(Global Average Pooling) 对于全连接层的替代性分析。刚开始由于觉得之后的研究不需要NIN，因此就没去看论文，看了一下其他人的博客，发现关于其原因讲得并不清楚，只说是那么用的。后来实在是受不了了，看了看论文，而且找到了一个较好的讲解，现在算是完全弄懂了。首先我们来看一

一般而言，刷机是在Ubuntu16.04的系统上进行，本人在ubuntu16.04系统上进行了初步的测试，暂时存在一些问题，因此建议首先配备一台Ubuntu14.04的host主机(不建议使用虚拟机)。由于TX2有两种开发板，至于NVIDIA最官方的开发板有相关的教程，因此不再此处赘述，详情参见相关教程。本人使用的是另一种类型的TX2开发版。如图所示：1. 从官网下载JetPack3.0下载

事项解释现象Windows 下编写的脚本文件无法在 Linux 下运行原因分析Windows 与 Linux 的后缀编写格式不一致解决方法sudo apt install dos2unix； dos2unix /PATH/TO/WINDOWS_FILE；unix2dos /PATH/TO/LINUX_FILE参考ht...

python在机器学习领域的重要性日渐提升，但是其包管理以及python不同版本之间存在的不兼容性问题着实让人头疼。使用虚拟环境来进行包管理以及python不同版本之间的管理重要性则不言而喻了，本人试过了docker也试过了anaconda，相比较而言anaconda更为好用(个人观点，不喜勿喷)。接下来，将对anaconda环境下需要的各种包做一个基本的小结。安装anaconda首先下载Anac

简单图片浏览器此使用的知识点是XML布局文件与Java代码的混合来控制UI界面。首先在布局文件中定义简单的线性布局容器：<?xml version="1.0" encoding="utf-8"?><!--定义一个线性布局容器--><LinearLayout xmlns:android="http://schemas.android.com/apk/res/android"xmlns

《机器学习》课程学习笔记什么是机器学习机器学习的原始定义（Arthur Samuel）为在进行特定编程的情况下，给予计算机学习能力的领域。在后来，卡内基梅隆大学的Tom Mitchell 将机器学习定义为：一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P，当且仅当有了经验E之后，经过P评判，程序在处理T时的性能有所提升。学习的主要内容这门课程的视野很宽，主要

#!/usr/bin/env python# -*- coding: utf-8 -*-import numpy as npimport torchvisionimport timeimport osimport copyimport pdb# Test fileimport timeimport argparseimport sysimport cv2import ...