文章分类 -  深度学习

NLP乐园
摘要：​ 来源：https://github.com/fighting41love/funNLP The Most Powerful NLP-Weapon Arsenal NLP民工的乐园: 几乎最全的中文NLP资源库 词库 工具包 学习资料 在入门到熟悉NLP的过程中，用到了很多github上的包，遂整 阅读全文
posted @ 2021-08-26 17:46 CeasonCing 阅读(185) 评论(0) 推荐(0)
深度学习模型
摘要：SSD模型 SSD是一种单阶段检测模型，提出的目的是为了同时保证目标检测的速度和精度。 单阶段检测模型（region free）：直接从图片预测结果。如SSD，YOLO两阶段检测模型（2 stage, region based）：图片局部裁剪，然后分类。如R-CNN Fast，R-CNN，Faste 阅读全文
posted @ 2020-05-13 16:33 CeasonCing 阅读(720) 评论(0) 推荐(0)
目标检测
摘要：原文链接：https://blog.csdn.net/u013510838/article/details/79947553 1 引言深度学习目前已经应用到了各个领域，应用场景大体分为三类：物体识别，目标检测，自然语言处理。上文我们对物体识别领域的技术方案，也就是CNN进行了详细的分析，对LeNet 阅读全文
posted @ 2020-04-18 21:15 CeasonCing 阅读(675) 评论(1) 推荐(0)
目标检测之R-FCN
摘要：论文地址：https://arxiv.org/abs/1605.06409 Github代码：Matlab版，Python版 背景 在Fast R-CNN中，rbg利用 ROI Pooling 解决了不同尺寸 proposal 的特征提取问题，在其升级版 Faster R-CNN 中rbg进一步提出 阅读全文
posted @ 2020-04-18 20:36 CeasonCing 阅读(141) 评论(0) 推荐(0)
全卷积网络 FCN
摘要：FCN对图像进行像素级的分类，从而解决了语义级别的图像分割（semantic segmentation）问题。与经典的CNN在卷积层之后使用全连接层得到固定长度的特征向量进行分类（全联接层＋softmax输出）不同，FCN可以接受任意尺寸的输入图像，采用反卷积层对最后一个卷积层的feature ma 阅读全文
posted @ 2020-04-18 20:25 CeasonCing 阅读(416) 评论(0) 推荐(0)
R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD
摘要：一、目标检测常见算法 object detection，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。所以，object detection要解决的问题就是物体在哪里以及是什么的整个流程问题。 然而，这个问题可不是那么容易解决的，物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可 阅读全文
posted @ 2020-04-18 17:39 CeasonCing 阅读(353) 评论(2) 推荐(0)
卷积神经网络（CNN）
摘要：卷积神经网络（CNN）由输入层、卷积层、激活函数、池化层、全连接层组成，即INPUT-CONV-RELU-POOL-FC (1)卷积层：用它来进行特征提取，如下： 输入图像是32*32*3，3是它的深度（即R、G、B），卷积层是一个5*5*3的filter(感受野)，这里注意：感受野的深度必须和输入 阅读全文
posted @ 2020-04-07 22:54 CeasonCing 阅读(487) 评论(3) 推荐(0)