發(fā)簡信
IP屬地：湖北
-
-
我當初是直接從論文中截的
論文略讀--語義分割相關(guān)（一）
一、Global Aggregation then Local Distribution in Fully Convolutional Networks 核心思想：利用全局信...
-
CVPR2020部分文章略讀本部分是筆者對CVPR2020部分感興趣的文章的略讀，大致包括圖像分類、檢測以及分割三個主題，由于是略讀，因此不會對文章進行細致的分析，而只會大體闡述實現(xiàn)的方法。 圖像分類：...
-
-
論文略讀--語義分割相關(guān)（一）一、Global Aggregation then Local Distribution in Fully Convolutional Networks 核心思想：利用全局信...
-
經(jīng)典目標檢測網(wǎng)絡(luò)學習零、目標檢測 目前目標檢測的相關(guān)方法大致分為兩種，一種是one-stage，另一種是two-stage，后者是先生成候選框，然后對候選框進行分類，前者是不生成候選框，直接將目...
-
制作VOC2007數(shù)據(jù)集常用代碼
研究背景 由于研究時常根據(jù)使用情況，制作符合要求的數(shù)據(jù)集，因而將需要的代碼整理。 數(shù)據(jù)集結(jié)構(gòu) └── VOCdevkit #根目錄└── VOC2012 #不同年...
-
-
動態(tài)規(guī)劃
動態(tài)規(guī)劃題目特點 1. 計數(shù) 有多少種方式走到右下角 有多少種方法選出k個數(shù)使得和是sum 2.求最大最小值 從左上角走到右下角路徑的最大數(shù)字和 最長上升子序列長度 3.求存...
-
論文閱讀-注意力可視化
此部分主要是Chunshui Cao的幾篇文章 一、Lateral Inhibition-Inspired Convolutional Neural Network for ...
-
網(wǎng)絡(luò)學習系列（十）shufflenetshufflenet v1 要解決的問題： 論文追求的也是輕量化的網(wǎng)絡(luò)，作者發(fā)現(xiàn)，無論是xception網(wǎng)絡(luò)還是resnext網(wǎng)絡(luò)，雖然性能較高，但耗費了大量的運算資源，作者...
-
網(wǎng)絡(luò)學習系列（九）mobilenetmobilenet v1 要解決的問題： 目前大多數(shù)的網(wǎng)絡(luò)雖然能實現(xiàn)比較高的性能，但網(wǎng)絡(luò)過于龐大，所以論文要解決的就是輕量化的問題，試圖將網(wǎng)絡(luò)嵌入到移動端。 亮點： 1、將標...
-
網(wǎng)絡(luò)學習系列（八）Xcetion要解決的問題： xcetion深刻研究了inception的思想，指出inception網(wǎng)絡(luò)的實質(zhì)就是將空間的相關(guān)性與通道的相關(guān)性進行解耦，但解耦的并不完全，所以論文要解決的...
-
網(wǎng)絡(luò)學習系列（七）Squeeze-and-Excitation Networks
要解決的問題： CNN是通過融合局部感受野與通道的信息來提取特征，現(xiàn)在許多工作已經(jīng)證明增強空間編碼，即增強空間信息之間的依賴關(guān)系可以增強網(wǎng)絡(luò)的表示能力。本論文所做的工作不涉及...
-
網(wǎng)絡(luò)學習系列（六）ResNeXt要解決的問題： 目前來說，提高網(wǎng)絡(luò)的性能，要不就是增加網(wǎng)絡(luò)的深度，要不就是增加網(wǎng)絡(luò)的寬度，但這樣做無疑會增加網(wǎng)絡(luò)設(shè)計的難度與計算的開銷，所以，能否設(shè)計一種網(wǎng)絡(luò)結(jié)構(gòu)，在不增加網(wǎng)...
-
網(wǎng)絡(luò)學習系列（五）DenseNet要解決的問題： 作者認為，在resnet中正是由于短連接的使用才使網(wǎng)絡(luò)可以變得很深，那么，能否使用短連接對網(wǎng)絡(luò)做一定的改進使得網(wǎng)絡(luò)可以更深？ 相關(guān)信息： 1、加入跳躍連接，可...
-
網(wǎng)絡(luò)學習系列（四）ResNet
要解決的問題： 更深的網(wǎng)絡(luò)難以訓練。對于深層的網(wǎng)絡(luò)可能會出現(xiàn)的梯度消失與梯度爆炸的問題，但是隨著初始標準化與中間層標準化操作的出現(xiàn)，已經(jīng)得到了很好的解決，然而，實驗結(jié)果表明，...
-
論文閱讀-CBAM: Convolutional Block Attention Module研究問題： 在給定特征圖下，通過通道和空間兩個維度推導出注意力圖，然后將注意力圖乘到輸入的特征圖上以用來自適應的細化輸入的特征。設(shè)計的CBAM是一個輕量的模塊，可以方便的集成...
