2021年7月31日
卷积神经网络结构
摘要： 一、各层的意义 输入层：将每个像素代表一个特征点输入到网络中 卷积层：卷积运算的主要目的是使原信号特征增强，并降低噪音 降采样层：降低网络训练参数及模型的过拟合程度 全连接层：对生成的特征进行加权 二、全连接层与卷积层的参数比较 局部连接即每个卷积的输出只是与卷积核大小的部分有联系，而全连接层的每个 阅读全文
posted @ 2021-07-31 14:59 WTSRUVF 阅读(472) 评论(0) 推荐(0)
滑动窗口与R-CNN
摘要： 例如使用14 * 14的窗口在16 * 16的图像上从左到右、从上到下滑动，最终会生成2 * 2 * k的张量，注意并不是单独把每个窗口拿去放到网络中，而是一张图，一次性放到网络中，共享重复区域 rcnn分为两步，先用图像分割算法分割出每个图像，然后再对一些可能为对象的色块进行识别，生成box 阅读全文
posted @ 2021-07-31 10:43 WTSRUVF 阅读(358) 评论(0) 推荐(0)