机器学习40
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
...