首页
首页
沸点
课程
直播
活动
竞赛
商城
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
Kyle_W
掘友等级
获得徽章 0
动态
文章
专栏
沸点
收藏集
关注
作品
赞
25
文章 25
沸点 0
赞
25
返回
|
搜索文章
最新
热门
YOLOv1、YOLOv2、YOLOv3和YOLOv3 SPP
YOLO v1 2016年发表于CVPR,$448 \times 448$图像输入,达到45FPS,63.4mAP,比SSD效果差,相比Faster R-CNN,速度快但准确率低 论文思想 将一幅图像
SSD
2016年由Wei Liu发表论文提出 Faster R-CNN存在的问题: 对小目标检测效果差 模型大,检测速度慢 网络结构 Default Box的scale和aspect设定 Predictor
R-CNN、Fast R-CNN和Faster R-CNN
R-CNN 2014年由Ross Girshick提出 算法流程 输入图像,使用Selective Search方法生成1K~2K个候选区域 对每个候选区域,使用深度网络提取特征 将特征送入每一类的S
目标检测
基础 图像分类 种类 One-State 例如SSD、YOLO,基于anchors直接进行分类以及调整边界框 Two-Stage 例如Faster R-CNN 通过专门模块生成候选框(RPN),寻找前
AlexNet
亮点 首次利用GPU训练网络 使用ReLU,而不是Sigmoid和Tanh,避免求导麻烦和网络较深时出现梯度消失 使用LRN局部响应归一化 在全连接层的前两层使用了Dropout随机失活神经元操作,以
MobileNet
MobileNetV1 2017年由Google团队提出 亮点 Depthwise Convolution,大大减少运算量核参数数量 超参数$\alpha$,$\beta$ MobileNetV2 2
ResNet
ResNet,2015年由微软实验室提出。亮点:1超深的网络结构,突破1000层;2提出residual模块;3丢弃dropout,使用Batch Normalization加速训练
卷积神经网络
发展 1986 BP反向传播算法 1998 利用BP算法训练LeNet5网络 2006 提出深度学习概念 2012 深度学习在视觉领域竞赛夺得冠军
GoogleNet
2014年Google团队提出 亮点 引入了Inception结构,融合不同尺度的特征信息 使用1*1的卷积核进行降维以及映射处理 添加两个辅助分类器帮助训练 丢弃全连接层,使用平均池化层
VGGNet
VGG网络于2014年提出,亮点是通过堆叠多个3*3的卷积核来替代大尺寸卷积核,减少所需参数。例如可以通过堆叠两个3*3的卷积核替代5*5的卷积核,他们拥有相同的感受野
下一页
个人成就
文章被点赞
40
文章被阅读
26,427
掘力值
619
关注了
1
关注者
15
收藏集
9
关注标签
23
加入于
2020-11-04