深度学习学习笔记（一）

1. 目标检测

1.1 两阶段

1. Fast RCNN：backbone + SS + ROIPooling + 非全局FCs

2. Fast RCNN => Faster RCNN：

（1）ss ···> RPN 

（2）非全局FCs ···> 全局FCs

3. FCN + Faster RCNN => RFCN：

（1）ROIPooling ···> PSROIPooling

（2）FCs ···> Cov

4. RFCN => Light-head：

（1）k*k*(c+1) ···> k*k*10

（2）Cov ···> FCs

1.2 一阶段（YOLO）

YOLOV1

googlenet + FCs => 7x7x[2x(4 +1)+20]

 

V1 ···> V2

（1）k-means cluster得到anchor

（2）框回归：+sigmoid

（3）多尺度训练

（4）passthrough layer

（5）darknet 19

=> 输出参数量：13x13x[5x(4+1+20)]

V2 ···> V3

（1）darknet 53

（2）FPN：add···>concat

=> 框个数：3x(13x13+26x26+52x52)

=> 输出参数量：框个数x(4+1+80)

2. 文本检测

2.1 CTPN

backbone + BiLSTM + FCs => 输出

N*C*H*W ···> N*9C*H*W ···> (NH)*W*9C（reshape）···> N*256*H*W （LSTM）

（1）输出包含三部分：

bbox：2*k  （只预测y，h；w固定16）

score：2*k

side-refinement：k （横向偏移量）

2.2 EAST

FPN（PAVNet）+ FCN

（1）输出包含两部分：

score map

bbox(4)+angle 或 bbox(8)

（2）两种预测格式：旋转矩形或四边形

2.3 CRNN

backbone + BiLSTM + OTO

（1）高固定为32，且pooling 3，4由2x2变为1x2

=> 32xW ···>1xw/4

3. Word Embedding

3.1 基于频数

（1）Count Vector

（2）tf-idf

（3）共现矩阵

3.2 基于预测

（1）skip-gram：由中间预测四周

（2）CBOW：由四周预测中间；词向量矩阵相加/N