摘要: 1. Abstract 本文旨在简单介绍下各种轻量级网络,纳尼?!好吧,不限于轻量级 2. Introduction 2.1 Inception 在最初的版本 Inception/GoogleNet,其核心思想是利用多尺寸卷积核去观察输入数据。举个栗子,我们看某个景象由于远近不同,同一个物体的大小也 阅读全文
posted @ 2019-08-09 22:55 xuanyuyt 阅读(5373) 评论(1) 推荐(1) 编辑
摘要: 源码地址:https://github.com/weiliu89/caffe/tree/ssd 本文详细版本 YOLO V3 学习笔记 一. 算法概述 本文提出的SSD算法是一种直接预测目标类别和 bounding box 的多目标检测算法。与 faster rcnn 相比,该算法没有生成 prop 阅读全文
posted @ 2017-08-29 10:51 xuanyuyt 阅读(34221) 评论(15) 推荐(29) 编辑
摘要: 源码地址:https://github.com/weiliu89/caffe/tree/ssd YOLO V3 学习笔记 一. 算法概述 本文提出的 SSD 算法是一种直接预测目标类别和 bounding box 的多目标检测算法。与 faster rcnn 相比,该算法没有生成 proposal 阅读全文
posted @ 2017-07-24 14:53 xuanyuyt 阅读(16403) 评论(4) 推荐(24) 编辑
摘要: 一、准备工作: 1.下载OpenCV安装包 https://github.com/opencv/opencv 安装过程实际上就是解压过程,安装完成后得到(这里修改了文件名): 2.下载opencv_contrib源码 https://github.com/opencv/opencv_contrib 阅读全文
posted @ 2016-12-15 16:54 xuanyuyt 阅读(2838) 评论(0) 推荐(0) 编辑
摘要: 1. VS2017 安装 1. 从这里下载在线安装器,随后在 cmd 窗口中离线下载安装包: vs_Professional.exe --layout D:\vs2017-offline --lang zh-CN 下载完后,双击 vs_setup.exe 安装,选择 2. 安装插件(可选) 2. 配 阅读全文
posted @ 2021-06-03 13:59 xuanyuyt 阅读(2351) 评论(0) 推荐(0) 编辑
摘要: PS: 我本身没有实践过此类任务,有些地方会有些理解错误,还请见谅! Image style transfer 是一个 pixel to pixel 的任务,常见的方法中 image representation 一般包含 style representation and content repre 阅读全文
posted @ 2021-06-02 23:44 xuanyuyt 阅读(345) 评论(0) 推荐(0) 编辑
摘要: 1. Anchor Free Anchor 的缺点: 正负样本不均衡:我们通常在特征图所有点上均匀采样 Anchor,而在大部分地方都是没有物体的背景区域,导致简单负样本数量众多,这部分样本对于我们的检测器没有任何作用。 超参难调:Anchor 需要数量、大小、宽高等多个超参数,这些超参数对检测的召 阅读全文
posted @ 2020-11-04 18:32 xuanyuyt 阅读(3253) 评论(0) 推荐(1) 编辑
摘要: 0. paper & code DenseBox paper: DenseBox: Unifying Landmark Localization with End to End Object Detection code: Caffe 、PyTorch FCOS paper: FCOS: Fully 阅读全文
posted @ 2020-08-09 23:03 xuanyuyt 阅读(701) 评论(0) 推荐(0) 编辑
摘要: Abstract 本文提出一种新颖的基于深度学习的方法来同时完成鱼眼镜头的内参标定和图像的畸变矫正。假定鱼眼图上的畸变线经过矫正后应该是直线,我们提出一种新颖的深度神经网络,在鱼眼镜头标定和图像矫正过程中施加显式几何约束 。同时,考虑到鱼眼图像畸变分布的非线性特性,提出的网络利用多尺度感知来平衡整幅 阅读全文
posted @ 2020-07-06 09:48 xuanyuyt 阅读(1964) 评论(1) 推荐(1) 编辑
摘要: 视频主页:提供课程视频、PPT(推荐B站视频源) 课程主页:提供作业相关 PS: 这里只是课程相关笔记 Photo Editing 先来看一段 NVIDIA 展示的 GAN 的一个 demo,那这是怎么做的? 前面我们在做 GAN 的时候,回 input 一个 random vector,然后 ou 阅读全文
posted @ 2020-06-25 23:37 xuanyuyt 阅读(189) 评论(0) 推荐(0) 编辑
摘要: 视频主页:提供课程视频、PPT(推荐B站视频源) 课程主页:提供作业相关 PS: 这里只是课程相关笔记 上一节我们学习了 GAN 的一些具体的例子,这里继续学习下一些 Unsupervised Conditional Generation 可能需要用到的一些技术。 1. InforGAN 在训练 G 阅读全文
posted @ 2020-06-25 20:50 xuanyuyt 阅读(580) 评论(0) 推荐(0) 编辑
摘要: 视频主页:提供课程视频、PPT(推荐B站视频源) 课程主页:提供作业相关 PS: 这里只是课程相关笔记 上一节我们学习了 GAN 的一些基础理论知识,这节课我们就开始学习一些具体的例子 1. Least Square GAN(LSGAN) 传统的 GAN 由于在训练初期生成的样本和真实样本很容易区分 阅读全文
posted @ 2020-05-30 20:30 xuanyuyt 阅读(333) 评论(0) 推荐(0) 编辑
摘要: 视频主页:提供课程视频、PPT(推荐B站视频源) 课程主页:提供作业相关 PS: 这里只是课程相关笔记 前面三节我们直观滴感受了下 GAN 是什么,训练流程是咋样的。这一节我们要学习下 GAN 背后的理论。 1. Basic Idea GAN 的目的是找到一个 Generator 使得生成的数据的分 阅读全文
posted @ 2020-05-24 12:34 xuanyuyt 阅读(282) 评论(0) 推荐(0) 编辑
摘要: 以一个简单例子来说明各个 Loss 函数的使用 label_numpy = np.array([[0, 0, 0, 0], [0, 1, 1, 0], [0, 1, 1, 0], [0, 0, 0, 1]], dtype=np.float) # 模拟 标签 out_numpy = np.array( 阅读全文
posted @ 2020-05-20 15:49 xuanyuyt 阅读(432) 评论(0) 推荐(0) 编辑