摘要：
全卷积网络Fully Convolutional Networks (FCN)实战 使用图像中的每个像素进行类别预测的语义分割。全卷积网络（FCN）使用卷积神经网络将图像像素转换为像素类别。与之前介绍的卷积神经网络不同，FCN通过转置卷积层将中间层特征映射的高度和宽度转换回输入图像的大小，使得预测结 阅读全文
posted @ 2020-06-30 11:08
吴建明wujianming
阅读(1470)
评论(0)
推荐(0)
摘要：
目标检测数据集The Object Detection Dataset 在目标检测领域，没有像MNIST或Fashion MNIST这样的小数据集。为了快速测试模型，我们将组装一个小数据集。首先，我们使用一个开源的3D Pikachu模型生成1000张不同角度和大小的Pikachu图像。然后，我们收 阅读全文
posted @ 2020-06-30 10:29
吴建明wujianming
阅读(828)
评论(0)
推荐(0)
摘要：
多尺度目标检测 Multiscale Object Detection 我们在输入图像的每个像素上生成多个锚框。这些定位框用于对输入图像的不同区域进行采样。但是，如果锚定框是以图像的每个像素为中心生成的，很快就会有太多的锚框供我们计算。例如，我们假设输入图像的高度和宽度分别为561和728像素。如果 阅读全文
posted @ 2020-06-30 10:01
吴建明wujianming
阅读(1235)
评论(0)
推荐(0)
摘要：
转置卷积Transposed Convolution 我们为卷积神经网络引入的层，包括卷积层和池层，通常会减小输入的宽度和高度，或者保持不变。然而，语义分割和生成对抗网络等应用程序需要预测每个像素的值，因此需要增加输入宽度和高度。转置卷积，也称为分步卷积或反卷积，就是为了达到这一目的。 from m 阅读全文
posted @ 2020-06-30 09:25
吴建明wujianming
阅读(850)
评论(0)
推荐(0)
摘要：
Fine-Tuning微调原理 如何在只有60000张图片的Fashion-MNIST训练数据集中训练模型。ImageNet，这是学术界使用最广泛的大型图像数据集，它拥有1000多万幅图像和1000多个类别的对象。然而，我们经常处理的数据集的大小通常比第一个大，但比第二个小。 假设我们想在图像中识别 阅读全文
posted @ 2020-06-30 09:06
吴建明wujianming
阅读(1404)
评论(0)
推荐(0)
浙公网安备 33010602011771号