摘要:CNN可视化技术总结(一)-特征图可视化 CNN可视化技术总结(二)--卷积核可视化 CNN可视化技术总结(三)--类可视化 导言: 前面介绍了可视化的三种方法--特征图可视化,卷积核可视化,类可视化,这三种方法在很多提出新模型或新方法的论文中很常见,其主要作用是提高模型或者新方法的可信度,或者用来 阅读全文
posted @ 2021-02-17 16:23 CV技术指南(公众号) 阅读(136) 评论(0) 推荐(0) 编辑
摘要:CNN可视化技术总结(一)-特征图可视化 CNN可视化技术总结(三)--类可视化 导言: 上篇文章我们介绍了特征图可视化方法,对于特征图可视化的方法(或者说原理)比较容易理解,即把feature map从特征空间通过反卷积网络映射回像素空间。 那卷积核怎样可视化呢,基于什么原理来可视化?卷积核的尺寸 阅读全文
posted @ 2021-02-14 23:52 CV技术指南(公众号) 阅读(41) 评论(0) 推荐(0) 编辑
摘要:CNN可视化技术总结(一)-特征图可视化 CNN可视化技术总结(二)--卷积核可视化 导言: 前面我们介绍了两种可视化方法,特征图可视化和卷积核可视化,这两种方法在论文中都比较常见,这两种更多的是用于分析模型在某一层学习到的东西。在理解这两种可视化方法,很容易理解图像是如何经过神经网络后得到识别分类 阅读全文
posted @ 2021-02-14 23:46 CV技术指南(公众号) 阅读(68) 评论(0) 推荐(0) 编辑
摘要:导言: 在CV很多方向所谓改进模型,改进网络,都是在按照人的主观思想在改进,常常在说CNN的本质是提取特征,但并不知道它提取了什么特征,哪些区域对于识别真正起作用,也不知道网络是根据什么得出了分类结果。 如在上次解读的一篇论文《Feature Pyramid Transformer》(简称FPT)中 阅读全文
posted @ 2021-01-26 10:35 CV技术指南(公众号) 阅读(232) 评论(0) 推荐(0) 编辑
摘要:本文来源于公众号《CV技术指南》的技术总结部分,更多相关技术总结请扫描文末二维码关注公众号。 导言: 池化是一个几乎所有做深度学习的人都了解的一个技术,大家对池化如何进行前向传播也都了解,池化的作用也了解一二。然而,池化如何回传梯度呢,池化回传梯度的原则是什么呢,最大池化与平均池化的区别是什么呢,什 阅读全文
posted @ 2021-01-13 23:45 CV技术指南(公众号) 阅读(180) 评论(0) 推荐(0) 编辑
摘要:导言: 前面我们介绍了transformer的结构,这一篇是将transformer思想用于CV中的论文,创新点不多,值得写的地方也不多,但还是决定写一下,因为这篇论文可以用来给大家看看transformer用于CV会起到一些什么样的作用,以及transformer可以怎样用于CV中。 介绍tran 阅读全文
posted @ 2021-01-05 22:51 CV技术指南(公众号) 阅读(36) 评论(0) 推荐(0) 编辑
摘要:导言: 本文介绍了一个在空间和尺度上全活跃特征交互(fully active feature interaction across both space and scales)的特征金字塔transformer模型,简称FPT。该模型将transformer和Feature Pyramid结合,可用 阅读全文
posted @ 2020-12-30 23:28 CV技术指南(公众号) 阅读(170) 评论(0) 推荐(0) 编辑
摘要:前几日,华为诺亚,北京大学,悉尼大学共同发表了论文《A Survey on Visual Transformer》,本文针对其重点内容进行翻译概括如下。文末附论文原文和本文完整版下载方式。 导言: Transformer是一种主要基于自注意力机制的深度神经网络,最初是在自然语言处理领域中应用的。受到 阅读全文
posted @ 2020-12-27 00:03 CV技术指南(公众号) 阅读(312) 评论(0) 推荐(1) 编辑
摘要:导言: transformer在这两年大火,CV界广泛应用transformer模型,充分吸收其idea到自己的领域。考虑到transformer本是应用于NLP的论文,其中很多内容都形成了共识,因此在论文中并未提及,就好像CV中论文提到图像预处理使用center crop , color jitt 阅读全文
posted @ 2020-12-21 21:14 CV技术指南(公众号) 阅读(389) 评论(0) 推荐(0) 编辑
摘要:导言: 传统的卷积网络在一个前向过程中每层只有一个连接,ResNet增加了残差连接从而增加了信息从一层到下一层的流动。FractalNets重复组合几个有不同卷积块数量的并行层序列,增加名义上的深度,却保持着网络前向传播短的路径。相类似的操作还有Stochastic depth和Highway Ne 阅读全文
posted @ 2020-12-13 13:23 CV技术指南(公众号) 阅读(85) 评论(0) 推荐(0) 编辑