fully

Spatial Pyramid Pooling

传统CNN的不足在传统CNN中，由于Fully-Connected层的存在，输入图像的尺寸受到了严格限制。
shaoxiangjun·2021-05-04 22:25

论文解读：DenseCap: Fully Convolutional Localization Networks for Dense Captioning

本篇论文解读的排版主要参见原文的格式，针对原文中的每一个小节进行展开，有的是对原文的一个提炼和简单概括，有的是对原文中涉及但是又没有详细介绍的技术的补充和说明。原文连接：https://cs.stanford.edu/people/karpathy/densecap/作者个人主页：https://cs.stanford.edu/people/jcjohns/PS：本篇博文不是对原文的简单翻译，论文
ZeroZone零域·2021-04-22 18:25

[1]机器学习，keras训练银行卡数字

也就是fully_connected_feed.py那个例子，例子中用到的数据是从网上下载的，我直接把数据改成了自己的银行卡数据（8000多张银行卡数字样本），用这个例子跑了下，效果还挺不错的。
73a8b2d73e7d·2021-04-21 08:08

Fully Convolutional Crowd Counting On Highly Congested Scenes阅读笔记

MarsdenM,McguinnessK,LittleS,etal.FullyConvolutionalCrowdCountingOnHighlyCongestedScenes[J].2016.本文使用FCN来做人群密度估计，主要参考Single-imagecrowdcountingviamulti-columnconvolutionalneuralnetwork高斯核的设计、损失函数与Singl
X_xxieRiemann·2021-04-21 05:13

不能运行fully_connected_feed.py文件

由于出现以下错误所以怀疑是没有运行fully_connected_feed.py文件的问题。
_sunnyRain·2021-04-15 11:11

真正的端到端超像素网络——Superpixel Segmentation with Fully Convolutional Networks(CVPR2020)

0.传送门论文地址：https://arxiv.org/abs/2003.12929github地址：https://github.com/fuy34/superpixel_fcn1.简介超像素最直观的解释，就是把一些具有相似特性的像素“聚合”起来，形成一个更具有代表性的大“元素”。目前超像素难以和深度学习相结合主要由两个原因：标准卷积运算是在规则网格上定义的，当应用于超像素时其效率会变的很低。超
Vo Racci·2021-02-03 23:40

论文阅读：Fully Convolutional Networks for Panoptic Segmentation

标题：用于全景分割的全卷积网络作者：YanweiLi,HengshuangZhao,XiaojuanQi,LiweiWang,ZemingLi,JianSun,JiayaJia机构：ChineseUniversityofHongKongUniversityofOxfordUniversityofHongKongMEGVIITechnology论文地址：https://arxiv.org/pdf/2
jaycain·2021-01-22 10:57

refined fully hydrogenated palm kernel oil

随着大家健康意识的增强，食用油中的不饱和脂肪酸日渐受到人们的关注。棕榈油中饱和脂肪酸和不饱和脂肪酸的比例基本为1:1，其中亚油酸作为人体必须的氨基酸，具有降低胆固醇、预防动脉粥样硬化等功效。饱和脂肪酸是含有饱和键的脂肪酸。饱和脂肪酸摄入过量会导致血胆固醇、三酰甘油、低密度脂蛋白胆固醇的升高。除饱和脂肪酸以外的脂肪酸就是不饱和脂肪酸，具有调节血脂、清理血栓、增强机体免疫力等作用。不饱和脂肪酸又分为单
AmyTrilinguist·2021-01-05 07:55

深入浅出全连接层（fully connected layer）

自从深度学习大热以后各种模型层出不穷，但仔细琢磨你会发现，它们无外乎都是由卷积层、全连接层、pooling、batchnorm、activation这几个基本的元素组合而成的。全连接层指的是层中的每个节点都会连接它下一层的所有节点，它是模仿人脑神经结构来构建的。脑神经科学家们发现，人的认知能力、记忆力和创造力源于不同神经元之间的连接强弱。因此，早期的神经网络一派的创立有点仿生学的意思，以至于到现在
A君来了·2020-12-21 10:33

FCOS: Fully Convolutional One-Stage Object Detection论文解读

FCOS:FullyConvolutionalOne-StageObjectDetection论文：https://link.zhihu.com/?target=https%3A//arxiv.org/abs/1904.01355  Abstract：我们提出了一种全卷积的one-stage目标检测器（FCOS），以每像素预测方式解决目标检测，类似于语义分割。几乎所有最先进的目标检测器，如Reti
嘿芝麻·2020-09-17 05:30

【检测】FCOS: Fully Convolutional One-Stage Object Detection

文章：https://arxiv.org/abs/1904.01355现在的主流目标检测算法大部分都是先设定好anchor。虽然这个方法可以取得一些有效的成功，但是基于anchor的方法仍然存在着一些缺点：Anchor的尺寸，分布率和数目对于检测结果的影响都很大。由于anchor的尺寸的分布率是固定的，在目标尺寸差距比较大，尤其是小物体多的情况下检测就会遇到困难为了得到一个高的召回率。基于anch
Laverwang·2020-09-17 04:38

SVN全量和增量备份脚本

1）定义备份策略：备份频度：每周日进行一次全量备份，每周日到周六进行增量备份备份地点：备份存储路径到/opt/data_backup/svn_backup/备份命名：全量备份文件名为：weekly_fully_backup.yymmdd
G1LUCK·2020-09-17 01:07

DOMContentLoaded

DOMContentLoaded简介1、概念MDN解析：当初始HTML文档已完全加载和解析时，将触发DOMContentLoaded事件，而不需要等待样式表，图像和子框架页面加载（事件可以用来检测HTML页面是否完全加载完毕(fully-loaded
安歌的博客·2020-09-16 12:02

Deeplabv1 《Semanatic image segmentation with deep convolutional nets and fully connectd CRFS》

作者阐述了在DCNNs应用于图像任务时有两个技术难点需要攻克，一个是信号的降采样，另一个是空间不敏感。信号降采样主要是因为在计算过程中不断的pooling和downsampling，本文应用空洞卷积来解决。空间不敏感是由于在分类任务需要空间固定，所以限制了DCNNs模型的准确性。为解决这个问题作者采用了全连接的条件随机场，全连接CRF计算效率高，并且能够获得边缘细节信息。AtrousAlgorit
sunny_develop·2020-09-16 02:30

tensorflow的一些函数：conv2d、max_pool、relu、flatten、fully_connected等

1.tf.nn.conv2ddefconv2d(input,#张量输入filter,#卷积核参数strides,#步长参数padding,#卷积方式use_cudnn_on_gpu=None,#是否是gpu加速data_format=None,#数据格式，与步长参数配合，决定移动方式name=None):#名字，用于tensorboard图形显示时使用第一个参数input:输入的图像，需要是一个4
init_bin·2020-09-15 23:51

httpd: Could not reliably determine the server's fully qualified domain name

httpd:Couldnotreliablydeterminetheserver'sfullyqualifieddomainname,using127.0.0.1forServerName解决办法非常简单：#vim/web/apache/conf/httpd.conf(在这里/web/apahce是我安装apache的目录，你默认安装的话应该是/usr/local/apache2/icons)找到
aidenliu·2020-09-15 19:42

上海腾科教育干货分享之达梦数据库课程DMMPP数据分布方式简析

DMMPP支持随机分布、复制分布（fully）、哈希分布、范围分布、LIST列表分布等多种分布表的类型，用户可根据实际情况选择合适的分布类型。
qq_42726883·2020-09-15 16:10

tensorflow 中 fully_connected

fromtensorflow.contrib.layersimportfully_connectedfully_connected全连接的参数：deffully_connected(inputs,num_outputs,activation_fn=nn.relu,normalizer_fn=None,normalizer_params=None,weights_initializer=initia
糖猫~~·2020-09-15 15:27

JNI实现java与c/c++相互通讯

所以最好能够记住它们签名java类型ZbooleanBbyteCcharSshortIintJlongFfloatDdoubleVvoidLfully-qualified-class;fully-qualified-class
zhao007z5·2020-09-15 12:16

Improving direct-mapped cache performance by the addition of a small fully-associative cache and pre

Improvingdirect-mappedcacheperformancebytheadditionofasmallfully-associativecacheandprefetchbuffers阅读笔记摘要总结摘要计算机预测技术在不久的将来峰值将达到1000MIPS。如果这些处理器的层次结构基于传统的缓存技术，很容易损失一半甚至更多的性能。本文介绍了提高缓存性能的硬件技术。MissCachin
idevede·2020-09-15 05:21

【论文笔记】Fast Image Processing with Fully-Convolutional Networks

摘要这篇论文提出了一种可以加快各种图像处理算子的方法，该方法使用的是全卷积网络，这个全卷积网络通过输入-输出对进行训练（这个输入输出对有限制：demonstratetheactionoftheoperator，不知道怎么翻译，后面有解释），训练后不需要运行之前的算子。经过训练的网络以全分辨率方式运行一段固定的时间。通过研究网络架构对近似准确率、运行时间和内存占用的影响，最终在平衡这些因素后获得一个
grafaraway·2020-09-14 10:59

【论文翻译】Fully Convolutional Networks for Semantic Segmentation

论文题目：FullyConvolutionalNetworksforSemanticSegmentation论文来源:FullyConvolutionalNetworksforSemanticSegmentation_2015_CVPR翻译人：BDML@CQUT实验室FullyConvolutionalNetworksforSemanticSegmentation用于语义分割的全卷积网络Jonat
大数据机器学习实验室·2020-09-13 21:40

BiGRU中遇到的函数

emb_init=tf.truncated_normal_initializer(mean=0.0,stddev=0.01)fc_layer=tf.contrib.layers.fully_connected1
qq_24924753·2020-09-13 16:06

tensorflow: arg_scope

tf.contrib.slim.arg_scope(list_ops_or_scope,**kwargs)#为给定的list_ops_or_scope存储默认的参数示例：withslim.arg_scope([slim.conv2d,slim.fully_co
ke1th·2020-09-13 09:54

TensorFlow下的slim模块

withslim.arg_scope([slim.conv2d,slim.fully_connected],trainable=True,activation_fn=tf.nn.relu,weights_initializer
白的黑不了·2020-09-13 08:33

Apache启动"httpd: Could not reliably determine the server's fully qualified domain name, using 127.0."

今天在启动Apache时候发现有一行警告：httpd:Couldnotreliablydeterminetheserver'sfullyqualifieddomainname,using127.0.0.1forServerName可以修改Apache安装目录下的conf文件，我的是:vi/opt/www/conf/httpd.conf找到#ServerNamewww.example.com:80把
cougar0709·2020-09-12 08:57

CS231n Assignment 1(一)

@[TOC](CS231nAssignment1(一))这篇文章就用来说说CS231nA1Q1-Q3主要教的东西，还有计算SVM、Softmax损失函数和梯度的全矢量化（fully-vectorized
正在上路的猎兔犬·2020-09-12 04:02

tiny_cnn 程序总结1----tiny_cnn简述

依次为convolution_layer，average_pooling_layer，convolution_layer，average_pooling_layer，convolution_layer，fully_connected_layer
Buyi_Shizi·2020-09-12 02:34

Reading report: V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation

V-Net:FullyConvolutionalNeuralNetworksforVolumetricMedicalImageSegmentation**Abstract:**ConvolutionalNeuralNetworks(CNNs)havebeenrecentlyemployedtosolveproblemsfromboththecomputervisionandmedicalimage
Litou_lyh·2020-09-11 22:26

Fully Convolutional Networks for Semantic Segmentation（FCN）阅读理解

1.作者介绍在论文中声明JonathanLong和EvanShelhamer为共同一作，随后是TrevorDarrell。首先介绍JonathanLong，通过他的主页我们可以看到，2010年前它在卡耐基梅隆学习计算机、物理和数学，2010年后在UCBerkeley攻读计算视觉的博士，导师是TrevorDarrell。目前就职于SymbioRobotics，是这家公司的研究员/工程师，它主要关注将
wuling129·2020-09-10 21:31

目标检测相关笔记（二）—— FCOS:Fully Convolutional One-Stage Object Detection （anchor free 的单阶段目标检测 ）

目标检测相关笔记（二）——FCOS:FullyConvolutionalOne-StageObjectDetection（anchorfree的单阶段目标检测）文章目录目标检测相关笔记（二）——FCOS:FullyConvolutionalOne-StageObjectDetection（anchorfree的单阶段目标检测）anchorfree原因FCOS主要优缺点FCOS算法整体框架FCOS算
CV小菜鸟·2020-08-26 15:21

【目标检测】FCOS: Fully Convolutional One-Stage Object Detection论文综述2019

1、为什么要做这个研究（理论走向和目前缺陷）?基于anchor的检测器，对anchor的设计要求很麻烦，训练过程还有很多跟Anchor相关的计算比如正负例anchor判断时的iou计算。故考虑去除anchor,目前anchorfree的方法典型如yolov1，由于其只考虑目标中心位置进行框回归，召回率很低，还有就是CornerNet，基于关键点检测的方法，但是在配对关键点时很麻烦。2、他们怎么做这
蓝田生玉123·2020-08-26 14:20

Matlab中两个矩阵相乘报错：MTIMES is not fully supported for integer classes. At least one input must be scalar

MATLAB中，对两个矩阵进行*相乘运算时，突然报错如下：Error*：MTIMESisnotfullysupportedforintegerclasses.Atleastoneinputmustbescalar.原因：Errorusing*MTIMESisnotfullysupportedforintegerclasses.Atleastoneinputmustbescalar.Tocomput
qing101hua·2020-08-26 13:46

tensorflow与感知机

这里使用的一个方法是tf.contrib.layers.fully_connected及使用TensorFlow自带的优化器来计算和使用梯
RosebudTT·2020-08-26 11:57

【论文】【实例分割】YOLACT

zhuanlan.zhihu.com/p/62652145https://blog.csdn.net/sinat_37532065/article/details/89415374Wepresentasimple,fully-convolution
FSALICEALEX·2020-08-26 11:53

可搜索加密笔记-第一节绪论

绪论1动机数据外泄（Databreaches）端到端加密可加密搜索本课程的内容2解决方案总览完全同态加密（Fully-homomorphicencryption）茫然随机访问机（ObliviousRAM
a054545641·2020-08-25 06:15

解决Ubuntu12.04下some packages not fully installed or removed问题

前几天把Ubuntu12.04的内核从3.11.0-15升级到了3.11.0-26，内核升级后还顺便使用UpdateManager升级了几个包便忙其他的去了，过了一会发现UpdateManager好像卡住了，于是就直接把它关掉了。等下次开机时进入了最新升级后的内核系统，在终端使用apt-getinstall***安装软件时屏幕打印出了下面的错误信息：11packagesnotfullyinstal
lncwwn·2020-08-24 13:18

FCOS: Fully Convolutional One-Stage Object Detection(ICCV2019)论文笔记

目录论文摘要1、引言2、相关文献anchorbased模型anchorfree模型3、方法3.1全卷积单阶段目标检测器3.2FCOS的FPN多层级预测训练预测复现-ing-未完待续（链接）建模https://zhuanlan.zhihu.com/p/136172670https://blog.csdn.net/WZZ18191171661/article/details/89258086https
DONG_LIN_2019·2020-08-24 04:52

FCOS: Fully Convolutional One-Stage Object Detection(ICCV2019)代码复现

回顾论文阅读：论文翻译篇，主要建模如下1、Backbone：采用现有模型，如resnet50，提取5个block：>>>[C1、C2、C3、C4、C5]2、FPN模块：参考标准FPN。一般是Backbone参数抽象特征，再经过融合阶段。[https://zhuanlan.zhihu.com/p/148738276]当前考虑，先通过seblock增加通道联系，分别经过1x1卷积，再经过RetinaN
DONG_LIN_2019·2020-08-24 04:21

log4j使用详解

为严重错误主要是程序的错误WARN为一般警告，比如session丢失INFO为一般要显示的信息，比如登录登出DEBUG为程序的调试信息2.配置日志信息输出目的地log4j.appender.appenderName=fully.qualified.name.of.appender.c
xuliuzhu·2020-08-23 23:35

动手学PaddlePaddle（5）：迁移学习

相关理论：1.原有模型作为一个特征提取器:使用一个用ImageNet数据集提前训练（pre-trained)好的CNN，再除去最后一层全连接层(fully-connectedlayer)，即除去原有的分类器部分
10点43·2020-08-23 22:38

【论文笔记】Efficient Inference in Fully Connected CRFs with Gaussian Edge Potentials

EfficientInferenceinFullyConnectedCRFswithGaussianEdgePotentials摘要：moststate-of-the-arttechniquesformulti-classimagesegmentationandlabelinguseconditionalrandomfieldsdefinedoverpixelsorimageregions.whi
xiaxzhou·2020-08-23 08:32

【目标检测】FCOS: Fully Convolutional One-Stage Object Detection

论文：《FCOS:FullyConvolutionalOne-StageObjectDetection》ICCV2019论文地址：https://arxiv.org/pdf/1904.01355.pdf代码：https://github.com/tianzhi0549/FCOS/https://github.com/shanglianlm0525/PyTorch-Networkshttps://g
zhw864680355·2020-08-22 15:20

C++卷积神经网络实例：tiny_cnn代码具体解释（7）——fully_connected_layer层结构类分析...

在这篇博文中我们对最后一个顶层层结构fully_connected_layer类（全连接层）进行分析：一、卷积神经网路中的全连接层在卷积神经网络中全连接层位于网络模型的最后部分，负责对网络终于输出的特征进行分类预測
weixin_34406061·2020-08-22 14:00

FCOS: Fully Convolutional One-Stage Object Detection论文笔记

摘要本文提出了一个全卷积单阶段的目标检测模型(FCOS)。它类似于语义分割，通过按像素预测的方式来实现目标检测。它属于anchor-free模型，通过消除先验框，避免了大量的额外计算，同样也避免了先验框/候选框(anchorbox)的各种超参数的设置(SSD,Yolo以及fasterrcnn等目标检测模型，无一不需要手动设置先验框的尺寸和长宽比，网络最终的性能容易受到这些先验框超参数的影响)。FC
mhxin·2020-08-22 14:39

Tensorflow2.0入门教程14：CNN网络基础示例

CNN网络结构包含一个或多个卷积层（ConvolutionalLayer）、池化层（PoolingLayer）和全连接层（Fully-connectedLayer）。
itluojie·2020-08-22 12:44

超分辨率——FC2N: Fully Channel-Concatenated Network for Single Image Super-Resolution

2019中国电子科技大学作者针对于目前很多超分辨率文章，通过增大模型的深度或者宽度（利用残差模块），提高模型性能，作者认为，即使这样，residualblock的短链接限制了模型的表达能力，因此作者提出了FC2NFC^2NFC2N模型，这个模型利用shortskip和globalskip，另外，featuremap融合通过cat，而reidualnet是通过add。这篇文章，也属于提出block的
_Hao_·2020-08-22 10:28

翻译《R-FCN: Object Detection via Region-based Fully Convolutional Network》

R-FCN:ObjectDetectionviaRegion-basedFullyConvolutionalNetworkAbstract摘要1Introduction引言2Ourapproach我们的方法2.1Overview2.2Backbonearchitecture骨干架构2.3Position-sensitivescoremaps&Position-sensitiveRoIpooling
二佳呀·2020-08-22 04:25

FCOS: Fully Convolutional One-Stage Object Detection论文解读和代码实践

FCOS是一个全卷积结构的anchorfree目标检测网络。虽然是anchorfree，但是mAP精度却比RetinaNet高，而且又是全卷积结构，比起anchorbase的检测网络，少了很多超参数，推理速度也较anchorbased的一些方法快上许多。另外值得一提，作者开源的FCOS项目真的是良心，经常更新维护。FCOS官方代码摘要作者提出了一种全卷积，一阶段目标检测网络，通过对每一个像素预测一
咆哮的阿杰·2020-08-22 02:49

论文阅读：InstanceFCN：Instance-sensitive Fully Convolutional Networks

文章目录1、论文总述2、instance-sensitivescoremaps的工作原理3、与DeepMask的比较4、Instanceassemblingmodule5、LocalCoherence6、性能比较参考文献1、论文总述深度学习之后，instancesegmentation（实例分割）这个task最开始采用和R-CNN类似的两阶段算法：segmentationproposal提取以及p
贾小树·2020-08-22 01:29
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他