摘要：
目录1. Anchor2. 画图 参考：https://zhuanlan.zhihu.com/p/86403390?utm_id=0 1. Anchor 我第一次接触Anchor（中文叫做锚）的时候，比较懵逼的，什么是锚这个问题让思考了好久，这也是阻碍大家学习FasterRCNN最大的绊脚石 索性我 阅读全文
posted @ 2024-03-04 23:33
jack-chen666
阅读(377)
评论(0)
推荐(0)
摘要：
目录1. 什么是目标检测？2. 输出评价IoU3. 目标检测算法 R-CNNN4. SPP-net5. Fast R-CNN6. Faster R-CNN7. YOLO 1. 什么是目标检测？ 找出图片中感兴趣的物体，并精确的进行分类 并标定物体的位置 目标检测中 能检测出来的物体 取决于当前任务数 阅读全文
posted @ 2024-02-29 23:58
jack-chen666
阅读(205)
评论(0)
推荐(0)
摘要：
目录1. 模型的定义2. 图片batch generator3. 模型训练 1. 模型的定义 from keras.applications.inception_v3 import InceptionV3 from keras.models import Model from keras.layer 阅读全文
posted @ 2024-02-29 15:53
jack-chen666
阅读(50)
评论(0)
推荐(0)
摘要：
目录1. my_nn2. mnist_cnn 1. my_nn #!/usr/bin/python3 # -*- coding:utf-8 -*- """ Copyright (c) Huawei Technologies Co., Ltd. 2021-2022. All rights reserv 阅读全文
posted @ 2024-02-29 11:08
jack-chen666
阅读(17)
评论(0)
推荐(0)
摘要：
目录1. 01_first_graph2. session run3. global_variables_initializer4. InteractiveSession5. get_default_graph6. life_cicycle07 linear_regression8. manual_ 阅读全文
posted @ 2024-02-29 11:05
jack-chen666
阅读(16)
评论(0)
推荐(0)
摘要：
目录1.2.3.4. 1. # 模型各层之间是线性关系 k层 k+1层可以加上各种元素来构造神经网络 # 这些元素可以通过一个列表来制定 然后作为参数传递给Sequential来生成模型 from keras.models import Sequential from keras.models im 阅读全文
posted @ 2024-02-28 11:42
jack-chen666
阅读(35)
评论(0)
推荐(0)
摘要：
目录1. Normalization2. MobileNet 1. Normalization feature map shape 记为[N, C, H, W]，其中 N 表示 batch size，即 N个样本；C 表示通道数；H、W 分别表示特征图的高度、宽度。这几个方法主要的区别就是在： BN 阅读全文
posted @ 2024-02-26 23:56
jack-chen666
阅读(70)
评论(0)
推荐(0)
摘要：
目录1. Inception2. ResNet3. DenseNet4. MobileNet 1. Inception 其中的一部分： Inception相比之前的VGG LeNet这些都是单条线的 Inception 多分支并行 再concat Inception 第一版GoogleNet 特征总 阅读全文
posted @ 2024-02-25 22:54
jack-chen666
阅读(43)
评论(0)
推荐(0)
摘要：
目录1. dropout2. 数据增强3. 优化器 1. dropout 使用 L1 和 L2 正则去限制神经网络连接的 weights 权重 在深度学习中，最流行的正则化技术，它被证明非常成功，即使在顶尖水准的神经网络中也可以带来 1%到 2%的准确度提升，这可能乍听起来不是特别多，但是如果模型已 阅读全文
posted @ 2024-02-24 22:45
jack-chen666
阅读(184)
评论(0)
推荐(0)
摘要：
目录1. 什么是梯度消失2. mnist数据集 应用CNN3. 经典的CNN VGG 1. 什么是梯度消失 在梯度下降中，随着算法反向反馈到前面几层，梯度会越来越小，最终，没有变化，这时或许还没有收敛到比较好的解，这就是梯度消失问题， 梯度爆炸或者消失！！！ 1，神经网络损失函数非凸的损失函数，逐步 阅读全文
posted @ 2024-02-22 21:30
jack-chen666
阅读(391)
评论(0)
推荐(0)
浙公网安备 33010602011771号