啊顺

摘要： 目标检测算法——SSD：Single Shot MultiBox Detector，是一篇非常经典的目标检测算法，十分值得阅读和进行代码复现，其论文地址是：https://arxiv.org/abs/1512.02325。 同时，我使用pytorch对SSD代码进行了复现：https://githu 阅读全文

摘要： 最近，谷歌使用了AutoML，推出了一种新网络：MixNet，其论文为《MixNet: Mixed Depthwise Convolutional Kernels》。其主要创新点是，研究不同卷积核尺寸的影响和观察到组合不同尺寸的卷积核能提高准确率。作者将混合了不同尺寸的卷积核的卷积操作命名为MDCo 阅读全文

摘要： ShuffleNet是旷世提出的高效轻量化网络，是一款很值得一提的轻量化网络，其相关论文也是很有价值的。 ShuffleNet V1 该网络提出于2017年，论文为《ShuffleNet: An Extremely Efficient Convolutional Neural Network for 阅读全文

摘要： EfficientNet是谷歌大脑在2019年提出的，论文地址是：https://arxiv.org/pdf/1905.11946.pdf 这篇文章主要想解决的一个问题是，如何平衡网络的深度、宽度和分辨率来提高模型的准确率。 通常而言，提高网络的深度、宽度和分辨率来扩大模型，从而提高模型的泛化能力。 阅读全文

摘要： 最近一段时间，重新研读了谷歌的mobilenet系列，对该系列有新的认识。 1.MobileNet V1 这篇论文是谷歌在2017年提出了，专注于移动端或者嵌入式设备中的轻量级CNN网络。该论文最大的创新点是，提出了深度可分离卷积（depthwise separable convolution）。 阅读全文

摘要： 最近在研究inception模型，将v1到v4版本的论文都研读了一下，这里做一下总结。 这里推荐一下这个GitHub，博主将常见的论文都做了翻译，大家可以参考中文来加深理解。 1.Inception v1 1.1 Introduction Inception V1是来源于《Going deeper 阅读全文

摘要： 本文主要介绍如何在caffe框架下生成LMDB。其中包含了两个任务的LMDB生成方法，一种是分类，另外一种是检测。 分类任务 第一步 生成train.txt和test.txt文件文件 对于一个监督学习而言，通常具有训练集（train_data文件夹）和测试集（test_data文件夹），如下图所示 阅读全文

摘要： 1 softmax函数 softmax函数的定义为 $$softmax(x)=\frac{e^{x_i}}{\sum_j e^{x_j}} \tag{1}$$ softmax函数的特点有 函数值在[0-1]的范围之内 所有$softmax(x_i)$相加的总和为1 面对一个分类问题，能将输出的$y_ 阅读全文

摘要： 最近在学习TensorFlow，尝试的第一个项目是MNIST。首先给出源码地址。 1 数据集的获取 我们可以直接运行下面的代码，来获取到MNIST的数据集。 但是，由于网络的问题，input_data下载和解压数据时会出现问题，因此，我们只能手动下载MNIST的数据集。 这是下载地址，4个红色的连接 阅读全文

摘要： 2018-12-19 linux(centos)下进行tensorflow的CPU版本安装，python版本是3.6，使用的方法是pip 1.安装python 到目前为止，TensorFlow暂时只支持python3.4,3.5和3.6的，还支持python2.x。官网见这里。 如果安装了pytho 阅读全文