会员
众包
新闻
博问
闪存
赞助商
Trae
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
啊顺
博客园
首页
新随笔
联系
订阅
管理
随笔 - 21
文章 - 0
评论 - 22
阅读 -
22万
2020年11月16日
基于CPU版本的Caffe推理框架
摘要: 最近一段时间,认真研究了一下caffe。但是,里面内容过多,集合了CPU版本和GPU版本的代码,导致阅读起来有些复杂。因此,特意对caffe代码进行了重构,搭建一个基于CPU版本的Caffe推理框架。 此简化的Caffe推理框架具有以下特点: 只有CPU推理功能,无需GPU; 只有前向计算能力,无后
阅读全文
posted @ 2020-11-16 22:29 啊顺
阅读(1307)
评论(0)
推荐(1)
2020年8月16日
不确定估计学习小结
摘要: 最近,观看了危夷晨大佬关于《不确定性学习在视觉识别中的应用》的报告,认为不确定性学习在用武之地,所以特意对相关论文进行了总结。 什么是不确定性估计 以人脸识别为例,输入一张人脸图像,得到一个特征向量embedding,将此特征向量与底库中的特征向量计算相似度,从而根据此相似度来判断两张人脸图像是否属
阅读全文
posted @ 2020-08-16 11:44 啊顺
阅读(7059)
评论(0)
推荐(3)
2020年3月23日
深度学习归一化:BN、GN与FRN
摘要: 在深度学习中,使用归一化层成为了很多网络的标配。最近,研究了不同的归一化层,如BN,GN和FRN。接下来,介绍一下这三种归一化算法。 BN层 BN层是由谷歌提出的,其相关论文为《Batch Normalization: Accelerating Deep Network Training by Re
阅读全文
posted @ 2020-03-23 20:43 啊顺
阅读(8383)
评论(1)
推荐(3)
2020年3月7日
深度学习权重初始化
摘要: 深度学习其本质是优化所有权重的值,使其达到一个最优解的状态,这其中,需要更新权重的层包括卷积层、BN层和FC层等。在最优化中,权重的初始化是得到最优解的重要步骤。如果权重初始化不恰当,则可能会导致模型陷入局部最优解,导致模型预测效果不理想,甚至使损失函数震荡,模型不收敛。而且,使用不同的权重初始化方
阅读全文
posted @ 2020-03-07 19:25 啊顺
阅读(3185)
评论(1)
推荐(1)
2020年2月24日
One Stage目标检测
摘要: 在计算机视觉中,目标检测是一个难题。在大型项目中,首先需要先进行目标检测,得到对应类别和坐标后,才进行之后的各种分析。如人脸识别,通常是首先人脸检测,得到人脸的目标框,再对此目标框进行人脸识别。如果该物体都不能检测得到,则后续的分析就无从入手。因此,目标检测占据着十分重要的地位。在目标检测算法中,通
阅读全文
posted @ 2020-02-24 20:07 啊顺
阅读(2103)
评论(0)
推荐(1)
2020年2月8日
深度学习之损失函数小结
摘要: 在深度学习中,损失函数扮演着至关重要的角色。通过对最小化损失函数,使模型达到收敛状态,减少模型预测值的误差。因此,不同的损失函数,对模型的影响是重大的。接下来,总结一下,在工作中经常用到的损失函数: 图像分类:交叉熵 目标检测:Focal loss,L1/L2损失函数,IOU Loss,GIOU ,
阅读全文
posted @ 2020-02-08 15:38 啊顺
阅读(28236)
评论(1)
推荐(6)
2019年12月11日
SSD源码解读——网络测试
摘要: 之前,对SSD的论文进行了解读,可以回顾之前的博客:https://www.cnblogs.com/dengshunge/p/11665929.html。 为了加深对SSD的理解,因此对SSD的源码进行了复现,主要参考的github项目是ssd.pytorch。同时,我自己对该项目增加了大量注释:h
阅读全文
posted @ 2019-12-11 22:48 啊顺
阅读(1969)
评论(4)
推荐(0)
2019年12月1日
SSD源码解读——损失函数的构建
摘要: 之前,对SSD的论文进行了解读,可以回顾之前的博客:https://www.cnblogs.com/dengshunge/p/11665929.html。 为了加深对SSD的理解,因此对SSD的源码进行了复现,主要参考的github项目是ssd.pytorch。同时,我自己对该项目增加了大量注释:h
阅读全文
posted @ 2019-12-01 23:19 啊顺
阅读(5703)
评论(1)
推荐(1)
SSD源码解读——网络搭建
摘要: 之前,对SSD的论文进行了解读,可以回顾之前的博客:https://www.cnblogs.com/dengshunge/p/11665929.html。 为了加深对SSD的理解,因此对SSD的源码进行了复现,主要参考的github项目是ssd.pytorch。同时,我自己对该项目增加了大量注释:h
阅读全文
posted @ 2019-12-01 11:33 啊顺
阅读(3705)
评论(0)
推荐(0)
2019年11月26日
SSD源码解读——数据读取
摘要: 之前,对SSD的论文进行了解读,可以回顾之前的博客:https://www.cnblogs.com/dengshunge/p/11665929.html。 为了加深对SSD的理解,因此对SSD的源码进行了复现,主要参考的github项目是ssd.pytorch。同时,我自己对该项目增加了大量注释:h
阅读全文
posted @ 2019-11-26 19:15 啊顺
阅读(3278)
评论(0)
推荐(1)
下一页
公告
昵称:
啊顺
园龄:
6年11个月
粉丝:
40
关注:
2
+加关注
<
2025年7月
>
日
一
二
三
四
五
六
29
30
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
1
2
3
4
5
6
7
8
9
搜索
常用链接
我的随笔
我的评论
我的参与
最新评论
我的标签
随笔档案
2020年11月(1)
2020年8月(1)
2020年3月(2)
2020年2月(2)
2019年12月(3)
2019年11月(1)
2019年10月(1)
2019年9月(2)
2019年8月(2)
2019年6月(1)
2019年5月(1)
2019年1月(2)
2018年12月(2)
阅读排行榜
1. Inception网络模型(71754)
2. MobileNet系列(54375)
3. 深度学习之损失函数小结(28236)
4. EfficientNet学习笔记(10488)
5. 深度学习归一化:BN、GN与FRN(8383)
评论排行榜
1. MobileNet系列(5)
2. SSD源码解读——网络测试(4)
3. Inception网络模型(4)
4. ShuffleNet系列学习笔记(3)
5. 深度学习归一化:BN、GN与FRN(1)
推荐排行榜
1. Inception网络模型(18)
2. 深度学习之损失函数小结(6)
3. MobileNet系列(4)
4. 不确定估计学习小结(3)
5. 深度学习归一化:BN、GN与FRN(3)
最新评论
1. Re:SSD源码解读——网络测试
@啊顺 你好,怎么叫做认真训练啊。你给出的预模型模型不是用自己的代码训练的吗...
--chillyzhou
2. Re:深度学习归一化:BN、GN与FRN
优秀!
--xiuxiuxius
3. Re:Inception网络模型
写得真好,谢谢。
--xiuxiuxius
4. Re:SSD学习笔记
发现了宝藏男孩,从头像认出了你,哈哈~~
--AI研习图书馆
5. Re:深度学习之损失函数小结
非常感谢
--木易昊
点击右上角即可分享