批量归一化 "1.基本概念" "2.代码实现" 1.基本概念 对输入的标准化（浅层模型） 处理后的任意一个特征在数据集中所有样本上的均值为0、标准差为1。 标准化处理输入数据使各个特征的分布相近 批量归一化（深度模型） 利用小批量上的均值和标准差，不断调整神经网络中间输出，从而使整个神经网络在各层的 ...
分类：
其他好文 时间：
2020-02-20 13:32:04
阅读次数：
91
经典卷积神经网络 "1.LeNet" "2.AlexNet" "3.VGG" "4.NiN" "5.GoogleNet" 1.LeNet 卷积层块里的基本单位是卷积层后接平均池化层：卷积层用来识别图像里的空间模式，如线条和物体局部，之后的平均池化层则用来降低卷积层对位置的敏感性。卷积层块由两个这样的 ...
分类：
其他好文 时间：
2020-02-20 00:15:58
阅读次数：
118
卷积神经网络 二维卷积层 ?维卷积层将输?和卷积核做互相关运算，并加上?个标量偏差来得到输出。卷积层的模型参数包括了卷积核和标量偏差。在训练模型的时候，通常我们先对卷积核随机初始化，然后不断迭代卷积核和偏差。 二维互相关运算（cross correlation） 互相关运算和卷积运算 为了得到卷积运 ...
分类：
其他好文 时间：
2020-02-19 21:06:02
阅读次数：
125
Convolutional Neural Networks 使用全连接层的局限性： 图像在同一列邻近的像素在这个向量中可能相距较远。它们构成的模式可能难以被模型识别。 对于大尺寸的输入图像，使用全连接层容易导致模型过大。 使用卷积层的优势： 卷积层保留输入形状。 卷积层通过滑动窗口将同一卷积核与不同 ...
分类：
Web程序 时间：
2020-02-18 23:20:05
阅读次数：
107
卷积神经网络基础 "1.二维卷积层" "2.填充和步幅" "3.多输入通道和多输出通道" "4.卷积层与全连接层的对比" "5.池化" 1.二维卷积层 二维互相关（cross correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称 ...
分类：
其他好文 时间：
2020-02-18 14:36:26
阅读次数：
84
1 卷积操作 2 反卷积操作 3 LSTM 4 GRU 5 Loss 6 optimizer ...
分类：
其他好文 时间：
2020-02-18 12:52:29
阅读次数：
54
Deformable ConvNets v1： 论文地址：https://github.com/chengdazhi/Deformable Convolution V2 PyTorch 工程地址：https://github.com/felixlaumon/deform conv 论文地址： Def ...
分类：
其他好文 时间：
2020-02-17 16:29:54
阅读次数：
90
前向传播： \begin{align}\notag x_j^l = f(\sum_ {i\in M_j} x_i^{l 1} k_{ij}^l + b_j^l) \end{align} 前向传播： \begin{align}\notag x_j^l = f(\beta_j^l down(x_j^{l ...
分类：
其他好文 时间：
2020-02-15 18:45:19
阅读次数：
88
https://adeshpande3.github.io/adeshpande3.github.io/ https://blog.csdn.net/weiwei9363/article/details/79112872 https://blog.csdn.net/and_w/article/det ...
分类：
其他好文 时间：
2020-02-15 18:29:41
阅读次数：
82
FasterRCNN网络是一种二阶段的目标检测方法，目标检测方法旨在给定的图片中找出目标物体的坐标位置和所属类别。我们在这里来梳理一下训练的大致流程谨供参考，我参考的算法实现为：https://github.com/chenyuntc/simple faster rcnn pytorch 1.特征提 ...
分类：
其他好文 时间：
2020-02-15 18:22:54
阅读次数：
129
