RoIPooling 这个可以在Faster RCNN中使用以便使生成的候选框region proposal映射产生固定大小的feature map 先贴出一张图，接着通过这 ...
分类：
其他好文 时间：
2019-03-03 15:57:39
阅读次数：
233
Tensorflow+CNN下的mnist数据集手写数字识别 MNIST数据集包含55000个训练样本，10000个测试样本，还有5000个交叉验证数据样本。 输入：加载的每个手写数字图像是28 x 28像素大小的灰度图像。为了简化起见，将28x28的像素点展开为一维数据(shape=784)。 输 ...
分类：
其他好文 时间：
2019-03-02 18:50:23
阅读次数：
248
&创新点 1. 规避R-CNN中冗余的特征提取操作，只对整张图像全区域进行一次特征提取 2. 用ROI pooling层取代最后一层max pooling层，同时引入建议框信息，提取相应建议框特征 3. Fast R-CNN网络末尾采用了并行的不同全连接层，可同时输出分类结果和窗口回归结果，实现了e ...
分类：
编程语言 时间：
2019-03-02 14:46:12
阅读次数：
258
一、创新点和解决的问题 创新点 设计Region Proposal Networks【RPN】，利用CNN卷积操作后的特征图生成region proposals，代替了Selective Search、EdgeBoxes等方法，速度上提升明显； 训练Region Proposal Networks与 ...
分类：
Web程序 时间：
2019-02-27 10:24:00
阅读次数：
321
在学习RNN的时候，经常会用CNN来类比，过程中我发现自己对CNN有些地方理解的还不是很清楚。 疑惑1：CNN卷积层的神经元是什么样的？ CNN的卷积层包括各种概念，各种计算，但是我忽然发现，基本没人提到卷积层的神经元，而且在tensorflow编程中，也无需设置卷积层的神经元，这使得我们更加忽略了 ...
分类：
其他好文 时间：
2019-02-26 21:07:16
阅读次数：
207
此示例演示如何使用名为“更快r-cnn（具有卷积神经网络的区域）”的深度学习技术来训练对象探测器。 概述 此示例演示如何训练用于检测车辆的更快r-cnn对象探测器。更快的r-nnn [1]是r-cnn [2]和快速r-nnn [3]对象检测技术的引伸。所有这三种技术都使用卷积神经网络（cnn）。它们 ...
分类：
其他好文 时间：
2019-02-24 21:34:47
阅读次数：
428
论文地址：https://arxiv.org/pdf/1406.4729.pdf 论文翻译请移步：http://www.dengfanxin.cn/?p=403 一、背景： 传统的CNN要求输入图像尺寸是固定的（因为全连接网络要求输入大小是固定的） crop处理，可能不包含整个物体，还会丢失上下文信 ...
分类：
Web程序 时间：
2019-02-22 12:02:04
阅读次数：
821
相比于MLP（多层感知器）的神经网络，CNN（卷积神经网络）有卷积层和池化层。 在构建MNIST字符集的识别训练过程中，卷积神经网络采用了： 输入层 卷积层1 池化层1 卷积层2 池化层2 平坦层 隐层层 输出层 输入层输入二维的图像，28X28的一个矩阵。 在卷积层1，将输入层的一个矩阵图像，采用 ...
分类：
其他好文 时间：
2019-02-21 17:28:42
阅读次数：
180
前面介绍的R CNN系的目标检测采用的思路是：首先在图像上提取一系列的候选区域，然后将候选区域输入到网络中修正候选区域的边框以定位目标，对候选区域进行分类以识别。虽然，在Faster R CNN中利用RPN网络将候选区域的提取以放到了CNN中，实现了end to end的训练，但是其本质上仍然是提取 ...
分类：
其他好文 时间：
2019-02-20 14:38:57
阅读次数：
197
咳咳 先对18年的自己说一声感谢。 辛苦了~ 从大数据开发里一路走来，从小白变成可以独当一面（咕咕）。开森~ 一直忙忙碌碌，不敢停下脚步。最近，开始觉得要做下总结了。 【技术】 hivesql spark streaming CNN RNN GAN 【平台】 hadoop MapReduce yar ...
分类：
其他好文 时间：
2019-02-07 20:43:56
阅读次数：
216
