大数据与人工智能41

深度学习YOLOX网络学习笔记

0x00 亮点 Anchor Free解耦的Head更先进的正负样本匹配SimOTA 0x01 网络结构 在YOLOv5(v5.0)上改进的。Backbone和neck都和YOLO ...

深度学习YOLOv5网络学习笔记

640*640输入的还是下采样32倍,有3个输出层1280*1280的输入是下采样64倍,有4个输出层 0x00 网络结构 1. Backbone New CSP- ...

深度学习YOLOv4网络学习笔记

网络结构:Backbone:CSPDarknet53Neck:SPP,PANHead:YOLOv3优化策略:Eliminate grid sensitivity——消除网格敏感度Mosaic dat ...

YOLOv3-SPP网络学习笔记

0x00 亮点 Mosaic图像增强SPP模块cIoU LossFocal loss——默认不使用 0x01 Mosaic图像增强 每个batch随机选取4张图像进行组合优点增加数 ...

深度学习YOLOv3网络学习笔记

作者直接借用RetinaNet的插图。。。 0x00 The Deal 1. Bounding Box Prediction YOLOv3预测每个bbox的objectne ...

深度学习YOLOv2网络学习笔记

0x00 Abstract YOLO9000:先进的、实时的、能够检测超过9000种不同对象的目标检测系统对YOLOv1进行了创新性地改进,得到了YOLOv2YOLOv2在PASCAL VOC ...

深度学习YOLOv1网络学习笔记

0x00 Abstract 以往的目标检测网络是在分类基础上完成目标检测,最典型的就是RCNN系列,这种也叫two- stage。YOLO是一个新的目标检测方式(将目标检测作为一个回归问题来处 ...

深度学习U-Net学习笔记

0x01 网络结构 输入尺寸是572×572,输出是388×388,所以只是对原图中心部分进行分割,如下图黄框部分是输出,蓝框部分对应它的输入。 对于缺失的数 ...

深度学习DeepLab学习笔记

0x01 DeepLabV1 1. 作者提出语义分割存在的问题: 下采样导致图像分辨率降低空间不敏感(不变性) 2. 提出的解决方法 膨胀卷积fully- connected ...

深度学习FCN学习笔记

Fully Convolution Networks全卷积网络 首个端对端的针对像素级预测的全卷积网络把分类CNN网络最后的全连接层替换为卷积层有FCN-32s、FCN16s和FCN-8s多个 ...