首页
学习
活动
专区
工具
TVP
发布

JNing的专栏

专栏作者
694
文章
965909
阅读量
50
订阅数
棋盘效应(Checkerboard Artifacts)
定义:棋盘效应是由于反卷积的“不均匀重叠”(Uneven overlap)的结果。使图像中某个部位的颜色比其他部位更深: 📷 具体原因:在反卷积操作时,如果卷积核(Kernel)大小不能被步长(Stride)整除时,反卷积输出的结果就会不均匀重叠: 📷 在二维情况下棋盘效应更为严重,如下: 📷 原则上,网络可以通过训练调整权重来避免这种情况。解决方法就是注意调整好卷积核(Kernel)大小与步长(Stride)的关系。 不重叠(图a: kernel <= stride)与均匀重叠(图b: kern
JNingWei
2021-12-06
8500
文件层次结构
文件系统层次结构标准(英语:Filesystem Hierarchy Standard,FHS)定义了Linux操作系统中的主要目录及目录内容。在大多数情况下,它是一个传统BSD文件系统层次结构的形式化与扩充。
JNingWei
2018-09-28
9020
opencv: 形态学 转换(图示+源码)
OpenCV中的形态学转换操作有七种:腐蚀,膨胀,开运算,闭运算,形态学梯度,礼帽,黑帽。
JNingWei
2018-09-28
1.1K0
深度学习: Faster R-CNN 网络
网络结构有两种,一种是将ZFNet(扔掉了尾端的全连接层)拿来用,另一种则是将VGG拿来用(扔掉了尾端的全连接层)。论文中给出的是第一种(绿框内为拿来用的那部分):
JNingWei
2018-09-27
2.4K0
深度学习: GoogleNet 网络
提出了 Inception_v1,开启了伟大的Inception系列,并刷新了网络的深度新记录。
JNingWei
2018-09-27
8610
深度学习: RPN (区域候选网络)
Note: two stage型的检测算法在RPN 之后 还会进行 再一次 的 分类任务 和 边框回归任务,以进一步提升检测精度。
JNingWei
2018-09-27
6.6K0
深度学习: 网络超参数设定
卷积时在 图像每一维([batch, in_height, in_width, in_channels])的步长,这是一个一维的向量,长度4。
JNingWei
2018-09-27
8750
没有更多了
社区活动
Python精品学习库
代码在线跑,知识轻松学
热点技术征文第五期
新风口Sora来袭,普通人该如何把握机会?
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·干货材料·成员作品·最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档