摘要：一、DenseNet的优点 减轻梯度消失问题 加强特征的传递 充分利用特征 减少了参数量 二、网络结构公式 对于每一个DenseBlock中的每一个层, [x0,x1,…,xl-1]表示将0到l-1层的输出feature map做concatenation。concatenation是做通道的合并， 阅读全文

摘要：论文：《Focal Loss for Dense Object Detection》 Focal Loss 是何恺明设计的为了解决one-stage目标检测在训练阶段前景类和背景类极度不均衡（如1：1000）的场景的损失函数。它是由二分类交叉熵改造而来的。 标准交叉熵 其中，p是模型预测属于类别y= 阅读全文

摘要：作者：Yuxin，Wu Kaiming He 机构：Facebook AI Research (FAIR) 摘要：BN是深度学习发展中的一个里程碑技术，它使得各种网络得以训练。然而，在batch维度上进行归一化引入如下问题——BN的错误会随着batch size的减小而急剧增加，这是由batch不正 阅读全文

摘要：SSD（single shot multibox detector）算法及Caffe代码详解 https://blog.csdn.net/u014380165/article/details/72824889 其中caffe中的特殊层的解释 http://caffe.berkeleyvision.o 阅读全文

摘要：参考论文：Rich feature hierarchies for accurate object detection and semantic segmentation 下载地址：https://arxiv.org/pdf/1311.2524.pdf R-CNN的工作流程： ⦁ 首先用选择性搜索算 阅读全文