我的随笔

densenet tensorflow 中文汉字手写识别

bonelee 2018-05-15 08:20 阅读:1641 评论:0 推荐:0

Use trained sklearn model with pyspark

bonelee 2018-05-14 19:41 阅读:938 评论:0 推荐:0

基于深度学习的目标检测算法：SSD——常见的目标检测算法

bonelee 2018-05-13 23:21 阅读:17628 评论:0 推荐:0

capsule network——CNN仅仅考虑了“有没有”的问题，没有考虑feature map的结构关系。这个结构关系包括位置，角度等。Capsule layer的输出也跟feature map的max-pooling输出不同，capsule layer的输出是一个向量，这个向量包含了位置，大小，角度等信息，这是feature map仅能输出一个值所不具备的；训练比较慢

bonelee 2018-05-13 12:24 阅读:3272 评论:0 推荐:0

语义分割(semantic segmentation) 常用神经网络介绍对比-FCN SegNet U-net DeconvNet，语义分割,简单来说就是给定一张图片,对图片中的每一个像素点进行分类；目标检测只有两类,目标和非目标，就是在一张图片中找到并用box标注出所有的目标.

bonelee 2018-05-13 12:14 阅读:1726 评论:0 推荐:0

PSPnet：Pyramid Scene Parsing Network——作者认为现有模型由于没有引入足够的上下文信息及不同感受野下的全局信息而存在分割出现错误的情景，于是，提出了使用global-scence-level的信息的pspnet

bonelee 2018-05-13 11:57 阅读:6372 评论:0 推荐:0

NASNet学习笔记—— 核心一：延续NAS论文的核心机制使得能够自动产生网络结构；核心二：采用resnet和Inception重复使用block结构思想；核心三：利用迁移学习将生成的网络迁移到大数据集上提出一个new search space。

bonelee 2018-05-13 11:53 阅读:867 评论:0 推荐:0

ResNeXt——与 ResNet 相比，相同的参数个数，结果更好：一个 101 层的 ResNeXt 网络，和 200 层的 ResNet 准确度差不多，但是计算量只有后者的一半

bonelee 2018-05-13 11:44 阅读:32144 评论:0 推荐:2

Dual Path Networks（DPN）——一种结合了ResNet和DenseNet优势的新型卷积网络结构。深度残差网络通过残差旁支通路再利用特征，但残差通道不善于探索新特征。密集连接网络通过密集连接通路探索新特征，但有高冗余度。

bonelee 2018-05-13 11:42 阅读:2752 评论:0 推荐:0

SENet（Squeeze-and-Excitation Networks）算法笔记---通过学习的方式来自动获取到每个特征通道的重要程度，然后依照这个重要程度去提升有用的特征并抑制对当前任务用处不大的特征

bonelee 2018-05-12 22:06 阅读:62145 评论:2 推荐:8