腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

torch-detection-学习笔记

专栏作者

11

文章

10293

阅读量

17

订阅数

深度学习Pytorch检测实战 - Notes - 第6章单阶经典检测器：YOLO

深度学习神经网络人工智能图像识别 kernel

相比起Faster RCNN的两阶结构，2015年诞生的YOLO v1创造性地使用一阶结构完成了物体检测任务，直接预测物体的类别与位置，没有RPN网络，也没有类似于Anchor的预选框，因此速度很快。

2020-08-21

7260

深度学习Pytorch检测实战 - Notes - 第5章单阶多层检测器：SSD

深度学习人工智能

SSD（Single Shot Multibox Detecor）算法借鉴了Faster RCNN与YOLO的思想，在一阶网络的基础上使用了固定框进行

2020-08-17

7900

深度学习-Faster RCNN论文笔记

在本文中，我们展示了算法的变化——用深度卷积神经网络计算区域提议——导致了一个优雅和有效的解决方案，其中在给定检测网络计算的情况下区域提议计算接近领成本。为此，我们引入了新的区域提议网络（RPN），它们共享state-of-the-art目标检测网络的卷积层。通过在测试时共享卷积，计算区域提议的边际成本很小（例如，每张图像10ms）。

2020-08-06

8320

深度学习-ResNet论文笔记

在深度重要性的推动下，出现了一个问题：学些更好的网络是否像堆叠更多的层一样容易？回答这个问题的一个障碍是梯度消失/爆炸这个众所周知的问题，它从一开始就阻碍了收敛。然而，这个问题通过标准初始化（normalized initialization）和中间标准化层（intermediate normalization layers）在很大程度上已经解决，这使得数十层的网络能通过具有反向传播的随机梯度下降（SGD）开始收敛。（ResNet解决的不是梯度消失/爆炸问题）

2020-08-06

5950

深度学习Pytorch检测实战 - Notes - 第4章两阶经典检测器：Faster RCNN

机器学习深度学习人工智能卷积神经网络神经网络

RCNN全称为Regions with CNN Features，是将深度学习应用到物体检测领域的经典之作，并凭借卷积网络出色的特征提取能力，大幅度提升了物体检测的效果。而随后基于RCNN的Fast RCNN及Faster RCNN将物体检测问题进一步优化，在实现方式、速度、精度上均有了大幅度提升。

2020-07-27

9270

深度学习Pytorch检测实战 - Notes - 第3章网络骨架

Sigmoid函数将特征压缩到了(0,1)区间，0端对应抑制状态，而1对应激活状态，中间部分梯度较大。Sigmoid函数可以用来做二分类，但其计算量较大，并且容易出现梯度消失现象。

2020-07-23

1.2K1

深度学习Pytorch检测实战 - Notes - 第1&2章基础知识

pytorch 编程算法机器学习神经网络深度学习

物体检测技术，通常是指在一张图像中检测出物体出现的位置及对应的类别。我们要求检测器输出5个量：物体类别、

2020-07-21

9670

没有更多了

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

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·千货材料·成员作品最新动态