CNN - 随笔分类 - greathuman

yolov3实践（一）

摘要：很多博友看了我的第一篇博客yolo类检测算法解析——yolo v3，对其有了一定的认识和了解，但是并没有贴出代码和运行效果，略显苍白。因此在把篇博客理论的基础上，造就了第一篇实践文章，也就是本文。只要读者有着强大的理论支撑，什么模型什么框架都是一样玩。所以老师又会跟你说哲学和科学、科学和技术存在如何阅读全文

posted @ 2018-06-09 11:12 greathuman 阅读(18614) 评论(0) 推荐(2)

tensorflow的卷积和池化层（二）：记实践之cifar10

摘要：在tensorflow中的卷积和池化层(一)和各种卷积类型Convolution这两篇博客中，主要讲解了卷积神经网络的核心层，同时也结合当下流行的Caffe和tf框架做了介绍，本篇博客将接着tensorflow中的卷积和池化层(一)的内容，继续介绍tf框架中卷积神经网络CNN的使用。因此，接下来将阅读全文

posted @ 2018-05-05 13:48 greathuman 阅读(6795) 评论(0) 推荐(2)

各种卷积类型Convolution

摘要：从最开始的卷积层，发展至今，卷积已不再是当初的卷积，而是一个研究方向。在反卷积这篇博客中，介绍了一些常见的卷积的关系，本篇博客就是要梳理这些有趣的卷积结构。阅读本篇博客之前，建议将这篇博客结合在一起阅读，想必会有更深的理解。另外，不管是什么类型的卷积，我们都把它理解成一种运算操作。 Group c 阅读全文

posted @ 2018-04-24 13:21 greathuman 阅读(13146) 评论(0) 推荐(1)

caffe设计网络教程（一）

摘要：假设现在我们要设计一个基于VGG的网络，主要考虑的问题是可否修改VGG类似于resnet那样，应该怎么修改？更具体来说，我们需要在VGG网络上考虑eltwise层，现在我们有三种方案，如下：方案一：直接对相应层进行bn，之后加eltwise sum。方案二：在进行bn层之前加kernel为1的卷阅读全文

posted @ 2018-04-04 16:22 greathuman 阅读(485) 评论(0) 推荐(0)

yolo类检测算法解析——yolo v3

摘要：每当听到有人问“如何入门计算机视觉”这个问题时，其实我内心是拒绝的，为什么呢？因为我们说的计算机视觉的发展史可谓很长了，它的分支很多，而且理论那是错综复杂交相辉映，就好像数学一样，如何学习数学？这问题似乎有点笼统、有点宽泛。所以我都会具体问问你想入门计算机视觉的哪个话题，只有顺着一个话题理论联合实际阅读全文

posted @ 2018-03-27 21:10 greathuman 阅读(25747) 评论(3) 推荐(4)

caffe的特殊层

摘要：每次写博客都带有一定的目的，在我看来这是一个记录的过程，所以尽量按照循序渐进的顺序逐步写，前面介绍的CNN层应该是非常常用的，这篇博客介绍一下某些特殊的layer，但是由于特殊的layer都带有一定的目的所以根据项目是可以修改和添加的，后续保持更新。 permute layer：改变blob数组的o 阅读全文

posted @ 2018-03-23 14:59 greathuman 阅读(1982) 评论(0) 推荐(0)

Eltwise层解析

摘要：Concat层虽然利用到了上下文的语义信息，但仅仅是将其拼接起来，之所以能起到效果，在于它在不增加算法复杂度的情形下增加了channel数目。那有没有直接关联上下文的语义信息呢？答案是Eltwise层，被广泛使用，屡试不爽，并且我们常常拿它和Concat比较，所以我常常一起说这两个层。我们普遍认为，阅读全文

posted @ 2018-03-23 10:31 greathuman 阅读(13532) 评论(1) 推荐(3)

slice层解析

摘要：如果说之前的Concat是将多个bottom合并成一个top的话，那么这篇博客的slice层则完全相反，是把一个bottom分解成多个top，这带来了一个问题，为什么要这么做呢？为什么要把一个低层的切分成多个高层的呢？自然有它的用途，大家想想，假如我们做的是多任务的问题，比如车牌检测、燃气表盘检测、阅读全文

posted @ 2018-03-22 16:24 greathuman 阅读(4864) 评论(0) 推荐(1)

Concat层解析

摘要：Concat层的作用就是将两个及以上的特征图按照在channel或num维度上进行拼接，并没有eltwise层的运算操作，举个例子，如果说是在channel维度上进行拼接conv_9和deconv_9的话，首先除了channel维度可以不一样，其余维度必须一致（也就是num、H、W一致），这时候所做阅读全文

posted @ 2018-03-21 15:17 greathuman 阅读(14811) 评论(3) 推荐(1)

深度学习的训练和调参

摘要：感慨一下，人工智能这个名字挺有意思，这段时间也不知咋回事，朋友圈里都是学人工智能的，什么python，tf.......还有很多大神在互联网上开讲，也是赚了一笔，如今看来，真是百花齐放，一派繁荣的景象啊，有好有坏，大多数也只是人工的智能，就好像今天要讲的训练和调参，千万不要以为随随便便就可以得到一个阅读全文

posted @ 2018-03-21 10:08 greathuman 阅读(27809) 评论(2) 推荐(1)

反卷积Deconvolution

摘要：反卷积（转置卷积、空洞卷积（微步卷积））近几年用得较多，本篇博客主要是介绍一下反卷积，尤其是怎么计算反卷积（选择反卷积的相关参数）图1 空洞卷积（微步卷积）的例子，其中下面的图是输入，上面的图是输出，显然这是一个upsampling的过程，我们也称为反卷积。首先，既然本文题名为反卷积（Decon 阅读全文

posted @ 2018-03-09 18:10 greathuman 阅读(42074) 评论(2) 推荐(2)

Caffe的loss layer(转)

摘要：英文可查：地址 1.SoftmaxWithLoss 对一对多的分类任务计算多项逻辑斯蒂损失，并通过softmax传递预测值，来获得各类的概率分布。该层可以分解为SoftmaxLayer+MultinomialLogisticLossLayer，但它的梯度计算在数值上更为稳健。在测试时，该层可用Sof 阅读全文

posted @ 2018-03-08 16:17 greathuman 阅读(590) 评论(0) 推荐(0)

随笔分类 - CNN