SPP变种

【目标检测】(8) ASPP改进加强特征提取模块，附Tensorflow完整代码

各位同学好，最近想改进一下YOLOV4的SPP加强特征提取模块，看到很多论文中都使用语义分割中的ASPP模块来改进，今天用Tensorflow复现一下代码。
立Sir·2022-11-29 09:52

超越Swin，Transformer屠榜三大视觉任务！微软推出新作：Focal Self-Attention

作者丨小马编辑丨极市平台写在前面VIsionTransformer（ViT）和它的一系列变种结构在CV任务中取得了不错的成绩，在其中，Self-Attention（SA）强大的建模能力起到了很大的作用。
极市平台·2022-11-29 07:27

【目标检测】Faster R-CNN论文的讲解

如何产生候选区域的4.3损失函数4.4训练候选框提取网络4.5RPN和FastR-CNN共享特征的方法4.5.1交替训练法4.5.2近似联合训练法一、前言想要更好地了解FasterR-CNN，需先了解传统R-CNN、SPP-Net
旅途中的宽~·2022-11-28 22:05

向量体系结构(1)

SIMD指令集变种：
ahr7882·2022-11-28 21:04

目标检测（object detection）

R-CNN、SPP-Net、FastR-CNN、R-FCN端到端的目标检测：直接在网络中提取
闲看庭前梦落花·2022-11-28 18:24

UneXt论文学习

UneXt论文文章目录读UneXt论文abstract1.Introduction2.UneXt3.ExperimentsandResults消融实验abstract大致思路：过去的Unet模型及其模型变种在分割任务上的准确率高
系统随机·2022-11-28 17:26

YOLOV5中NMS的理解和替换（CIOU_NMS）

在YOLOv5源码中，原作者使用的是普通的nms，还有附加可开启的加权nms（merge-NMS），我们可以将nms替换为ciou_nms等其他的变种nms。
江小白jlj·2022-11-28 16:17

机器学习-自编码器，变分自编码器及其变种的基本原理（一）

接着讲解了自编码器的各种变种，以及比较难以理解的变分自编码器(VariationalAuto-Encoders)。最后补充了极大似然估计这一数学知识，以及对变分自编码器的问题的优化。
weixin_46737548·2022-11-28 13:28

算法时间复杂度计算

2022.5.12计算算法时间复杂度分析一、简单循环及其变种二、层层影响循环总结分析算法中所有语句的频度之和记为T(n),它是该算法问题规模n的函数。
修服·2022-11-28 13:25

【周志华机器学习】五、神经网络之CNN

CNN优缺点8.典型CNN发展历程9.图像相关任务9.1图像识别与定位思路1：识别+定位过程思路2：图窗+识别9.2物体检测(objectdetection)9.2.1过程9.2.2R-CNN9.2.3SPP-Net9.2.4FastR-CNN9.2.5
CHH3213·2022-11-28 11:37

RNN神经网络适用于什么,RNN神经网络基本原理

核心有几个卷积神经网络CNN，用来做图像处理的循环神经网络RNN，用来处理带顺序关系的数据对抗生成网络GAN，是一种概率生成模型transformer注意力模型，用来做序列到序列计算的更多的是他们的变种
普通网友·2022-11-28 00:24

Deep Learning中的Attention Mechanism介绍

4.Attention机制的变种有哪些？①.硬性注意力②.键值对注意力③.多头注意力5.为什么自注意力模型(self-Attentionmodel)在长距离序列中如此强大？
可大侠·2022-11-27 15:39

深度学习中常见的损失函数

目录一、损失函数的定义二、常见的回归损失函数1、L1LOSS(MAE平均绝对误差）2.L2LOSS（MSE均方差误差）3.SmoothL1LOSS4.IOULOSS及其各种变种三、常见的分类损失函数1.
CVplayer111·2022-11-27 14:57

聚类分析的基本概念和方法

2、什么是好的聚类方法3、聚类的模型评估4、聚类分析的比较5、聚类分析的挑战二、基本聚类方法概述三、划分算法1、基本概念2、k-means聚类方法1、k-means方法的优缺点2、k-means方法的变种
四川兔兔·2022-11-27 13:01

NNDL 实验六 卷积神经网络（1）卷积

目录5.1卷积5.1.1二维卷积运算5.1.2二维卷积算子5.1.3二维卷积的参数量和计算量5.1.4感受野5.1.5卷积的变种5.1.5.1步长（Stride）5.1.5.2零填充（ZeroPadding
红肚兜·2022-11-27 09:13

Fast RCNN总结

主要贡献：1.规避R-CNN中冗余的特征提取操作，只对整张图像全区域进行一次特征提取（首次在SPP-Net中提出）；2.用RoIpooling层取代最后一层maxpooling层，同时引入建议框信息，提取相应建议框特征
ZDA爱吃火锅·2022-11-27 08:20

【实践】随机森林算法参数解释及调优（含Python代码）

RF的变种ExtraTress也有ExtraTressClassifier类和ExtraTressRegressor类。由于这四个类的参数基本相同，只要完全理解其中一个类，
旅途中的宽~·2022-11-27 08:37

NNDL 实验六 卷积神经网络（1）卷积

目录5.1.2二维卷积算子5.1.3二维卷积的参数量和计算量5.1.4感受野5.1.5卷积的变种5.1.6带步长和零填充的二维卷积算子5.1.7使用卷积运算完成图像边缘检测任务选做5.1卷积5.1.1二维卷积运算
captainMo_11·2022-11-27 05:49

UnityShader17.1：ESM 阴影技术

）UnityShader17：光照属性与阴影虽然现在有很多更先进的计算阴影的方案，但是不得不说ShadowMapping还是非常实用的，极大多数主流游戏目前也都还是基于ShadowMapping的各种变种来做阴影
Jaihk662·2022-11-26 10:19

使用Tensorflow实现CNN进行手写数字识别

一、卷积神经网络  卷积神经网络CNN是多层神经网络的一个变种，传统的多层神经网络，当隐层数变多时，节点数目过多时就会造成参数个数过多，训练难度极大。
望百川归海·2022-11-26 00:09

快速了解R语言

1R的历史R语言来自S语言，是S语言的一个变种。S语言由RickBecker,JohnChambers等人在贝尔实验室开发，著名的C语言、Unix系统也是贝尔实验室开发的。
Guanghui Yu·2022-11-25 19:29

路径规划算法2.1 A*算法变种 ARA*、LPA*、 D*、D* Lite

路径规划算法2.1A*算法1.概述2.简要介绍AA*，ARA*，WeightedA*D*LPA*、D*Lite最后1.概述Dijkstra和A*是基于图搜索的标准路径算法。在寻路时，A*算法对于已知的静态地图具有较高的效率，并且能够找到最优的路径。然而实际使用中，当建图信息不准确、出现其它的障碍物时，使用A*进行重规划是很慢的。特别是移动障碍物存在时，A*算法还没找到最佳路径，可能地图信息就改变了
RuiH.AI·2022-11-25 18:39

无人驾驶轨迹规划之A*变种算法

无人驾驶轨迹规划之A*变种算法前言无人驾驶轨迹规划、路径导航中经常使用到的一种静态的规划算法，就是A*（A-Star）算法，其是一种综合了BFS和Dijkstra的算法，而通过该算法也衍生除了一大堆算法
逐风的小黄·2022-11-25 18:38

何恺明的ResNet论文，被引量刚刚突破10万大关

李沐曾经说过，假设你在使用卷积神经网络，有一半的可能性就是在使用ResNet或它的变种。前几天，人们发现ResNet论文被引用数量悄然突破了10万加，距离论文的提交刚过去六年。
机器学习社区·2022-11-25 17:24

论文精读-Resnet

DeepResidualLearningforImageRecognition”这篇论文中提出了Resnet网络架构，是CNN图像领域一个重要的里程碑，后续多年直至如今在图像分类领域仍然有超过半数的网络使用着Resnet或其变种
Wei.Studio·2022-11-25 17:23

DeepLab V3++ 论文笔记

++论文链接:https://arxiv.org/abs/1802.02611DeepLabv1论文笔记DeepLabv2论文笔记DeepLabv3论文笔记一、ProblemStatement作者认为SPP
Tianchao龙虾·2022-11-25 17:11

NNDL 实验六 卷积神经网络(1)卷积

目录卷积二维卷积运算二维卷积算子二维卷积的参数量和计算量感受野卷积的变种带步长和零填充的二维卷积算子使用卷积运算完成图像边缘检测任务选做题心得体会参考卷积神经网络（ConvolutionalNeuralNetwork
白小码i·2022-11-25 11:03

C++_hash_set

SGISTL是最健壮的STL实现之一，增加了很多扩充的容器，包括hash_set、hash_map、slist（单链表）、rope（它是一个string的变种，对非常大型的字符串、字符串的快速连接和取字串等操作进行了优化
franztao·2022-11-25 10:29

第P9周：YOLOv5-Backbone模块实现

Backbone模块实现(训练营内部成员可读)●原作者：K同学啊|接辅导、项目定制说明：1.本次进学习YOLOv5-Backbone模块实现，其余程序与P8周相同2.C3模块大致已经在上周了解，本次主要了解一下SPP
爱挠静香下巴的hp·2022-11-25 10:53

NNDL 实验六 卷积神经网络（1）卷积

NNDL实验六卷积神经网络（1）卷积5.1卷积5.1.1二维卷积运算5.1.2二维卷积算子5.1.3二维卷积的参数量和计算量5.1.4感受野5.1.5卷积的变种5.1.5.1步长（Stride）5.1.5.2
Perfect(*^ω^*)·2022-11-25 10:06

HBU-NNDL 实验六 卷积神经网络（1）卷积

目录第5章卷积神经网络5.1卷积5.1.1二维卷积运算5.1.2二维卷积算子5.1.3二维卷积的参数量和计算量5.1.4感受野5.1.5卷积的变种5.1.5.1步长（Stride）5.1.5.2零填充（
不是蒋承翰·2022-11-25 10:00

UNIX痛恨者手册

比如，肺炎病毒比起它们入侵的细胞要小得多，但它们在每个肺炎流行季节都能够产生新的变种，造成无数人死亡。一个好病毒的特点是：*个头
scwinter·2022-11-25 09:12

《深入浅出图神经网络》笔记

GCN及其变种图网络主要是处理图信息，相比其他数据结构的数据，图网络考虑了节点之间的连接关系，因此具备更加丰富的信息。
赵小丽-programer·2022-11-25 08:07

时序预测 | MATLAB实现GRU门控循环单元时间序列未来多步预测

时序预测|MATLAB实现GRU门控循环单元时间序列未来多步预测基本介绍GRU是LSTM的一种变种，结构比LSTM简单一点。
机器学习之心·2022-11-25 08:37

神经网络：多层感知机-MLP

参考别人的，别看了，我自己做笔记玩的最基本的神经网络：MLP相应的变种的神经网络：误差反向传播（BackPropagation，BP）神经网路、概率神经网络、卷积神经网络（ConvolutionalNeuralNetwork
平平无奇的搬砖仔·2022-11-25 08:27

【目标检测算法】SPP-Net学习笔记

在现有的CNN中，对于结构已经确定的网络，需要输入一张固定大小的图片，比如224*224，32*32,96*96等。这样对于我们希望检测各种大小的图片的时候，需要经过裁剪，或者缩放等一系列操作，这样往往会降低识别检测的精度，于是paper提出了“空间金字塔池化”方法，这个算法的牛逼之处，在于使得我们构建的网络，可以输入任意大小的图片，不需要经过裁剪缩放等操作，只要你喜欢，任意大小的图片都可以。既然
littlemichelle·2022-11-25 06:53

SPP-net阅读笔记

可以不管图像的大小而生成固定长度的表示对变形的物体也很有效在准确性相当的前提下，速度比R-CNN更快（24-64×fasteroverall）做法在R-CNN实现思路的基础上，在最后一个卷积层和全连接层之间添加一个SPP
so_so_y·2022-11-25 06:52

SPP-net论文笔记《Spatial Pyramid Pooling in Deep Convolutional Network for Visual Recognition》

1.Introduction在之前物体检测的文章，比如R-CNN中，他们都要求输入固定大小的图片，这些图片或者经过裁切（Crop）或者经过变形缩放（Warp），都在一定程度上导致图片信息的丢失和变形，限制了识别精确度。两种方式如下所示。crop：不能包含完整的区域warp：几何失真事实上，在网络实现的过程中，卷积层是不需要输入固定大小的图片的，而且还可以生成任意大小的特征图，只是全连接层需要固定大
csuwujiyang·2022-11-25 06:52

RCNN学习笔记(3):Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition(SPP-net)

事实上，CNN的卷积层不需要固定尺寸的图像，全连接层是需要固定大小输入的，因此提出了SPP层放到卷积层的后面，改进后的网络如下图所示：SPP是BOW的扩展，将图像从精细空间划分到粗糙空间，
有些代码不应该被忘记·2022-11-25 06:22

RCNN学习笔记(3):SPP-NET

事实上，CNN的卷积层不需要固定尺寸的图像，全连接层是需要固定大小输入的，因此提出了SPP层放到卷积层的后面，改进后的网络如下图所示：SPP是BOW的扩展，将图像从精细空间划分到粗糙空间，之后将局部
qyxqyx123·2022-11-25 06:22

SPP-Net 论文学习笔记

SPPNet论文学习笔记SpatialPyramidPoolinginDeepConvolutionalNetworksforVisualRecognition目前深度卷积神经网络有一个要求——固定尺寸（如224*224）的输入图像，这可能会降低图像或任意尺寸子图的识别精度。为避免这个问题，SPPNet采用了另一种池化策略——空间金字塔池化（spatialpyramidpooling）。SPPNe
Orphea·2022-11-25 06:51

论文阅读笔记 之 SPP-Net

SpatialPyramidPoolinginDeepConvolutionalNetworksforVisualRecognition视觉识别空间金字塔池化深度卷积网络本文解决的问题解决方法问题①问题②训练策略实验结果视觉识别空间金字塔池化深度卷积网络本文解决的问题①已有的卷积神经网络的输入都要求大小固定（例如R-CNN等），因此需要对输入进行强行裁剪或者放缩，这会导致目标信息的损失以及额外的图
流觞时光·2022-11-25 06:51

【Deep Learning】SPP-Net

  这篇是R-CNN系列的第二篇，主要是对之前的R-CNN进行了加速并改进，提出了空间金字塔池化(SpatialPyramidPooling)进行特征提取，通过加入SPPLayer，使得整个网络能够适应任意大小(arbitrarysize)的图片作为输入。1.综述  在RCNN中，我们知道，需要为每个regionproposal进行一次卷积特征提取，也就是说，每张图片通过SS方法提取出来的约2k个
S大幕·2022-11-25 06:21

SPP-Net学习笔记

文章目录一、主要思想二、SPP-Net简介三、SPPLayer介绍四、总结一、主要思想在2014年何凯明等人提出了SPPNet，主要思想是输入整张图片，提取整张图像的特征图，利用空间关系从特征图中通过SSPLayer
骑猪创世纪·2022-11-25 06:50

“SPP-net”论文笔记

文章目录1.Background2.SPP-netArchitecture3Training(单一尺寸训练)4Testing总结1.Background在fastR-CNN之前，R-CNN模型暴露出两个问题
5972次特快列车·2022-11-25 06:49

目标检测学习笔记1----R-CNN/SPP-Net/Fast R-CNN/Faster R-CNN

这几天学习了目标检测/R-CNN/SPP-Net/FastR-CNN/Faster-RCNN这几个框架，想做点笔记加深印象，如有理解错误，请指出，Thanks！
梦坠凡尘·2022-11-25 06:16

YOLOv3-SPP 学习笔记

YOLO3各个版本对比首先来看下官方给的在COCO数据集上的表现，可以看到SPP版本相对于前面几个版本，mAP有了好几个百分点的提升，在加了SPP模块之后的YOLOv3为何有这么大的提升？
THE@JOKER·2022-11-25 06:15

SPP-学习笔记

SpatialPyramidPoolinginDeepConvolutionalNetworksforVisualRecognitionSPP提出的原因1、现有的深度卷积神经网络(spp出现之前的)需要固定大小的输入图像
FlyDremever·2022-11-25 06:13

DNN、CNN、RNN、LSTM的区别，最全最详细解答

**DNN、CNN、RNN、LSTM的区别，最全最详细解答**神经网络的变种目前有，如误差反向传播（BackPropagation，BP）神经网路、概率神经网络、RNN-循环神经网络DNN-深度神经网络
Jfightingk·2022-11-25 02:56

科技抗疫的现在进行时：平战结合，平时智能预警，战时高效联动

有别于两年前的人人自危，人们越来越渴望回归正常的生活方式，即便是在新的变种出现时，也少了当初的紧张气氛。
Alter1230·2022-11-25 00:02
上一页 29 30 31 32 33 34 35 36 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他