目录前言1. 网络结构2. 损失计算：Cross Entropy Loss参考 前言FCN网络是首个端对端的针对像素级预测的全卷积网络。 其中，全卷积的含义是将分类网络的全连接层全部替换成了卷积层。使用了分类网络作为backbone，将会复用分类网路在ImageNet上的预训练权重，这就涉及到将全连接层的权重转化到卷积层当中。FCN网络结构十分简单，却又十分有效。从下图中可以看到，FCN-8s的
转载
2024-06-16 20:00:23
176阅读
文章目录1 从三个问题出发2 MBConv结构解析3 网络详细结构4 EfficientNet-B0~B7结构解读5 代码解读6 感谢链接 1 从三个问题出发对于一个网络，输入图像分辨越高越好？设计网络时，越深越好？设计网络时，越宽越好？回答： 总体而言，是的。图像分辨率越高，网络能得到 潜在的 更高细粒度的特征channel。但有瓶颈，且会增加计算量，分辨率太高，得不偿失。网络越深，学习到的特
转载
2024-06-05 21:52:36
211阅读
目录1.ResNet简介2.residual结构和ResNet-34详解2.1 residual结构2.2 Batch Normalization 3.迁移学习 4.ResNeXt网络结构1.ResNet简介 ResNet在2015年由微软实验室提出，斩获当年lmageNet竞赛中分类
转载
2024-05-23 08:24:33
142阅读
这篇文章只讲述我看完视频和代码之后对ViT的理解，特别是代码中是怎么实现的网络结构。1.整体结构 这是论文中给出的图，整体思想就是将图片给切成一个个patch，将patchs看作是NLP中的单词输入进网络，通过数个Transformer Encoder后输出class token来进行分类。整体的结构还是很清晰的，接下来我就结合代码来一步步讲解ViT是怎样通过代码实现的。 2.
转载
2024-03-30 18:03:13
288阅读
一.概述常用文字识别算法主要有两个框架： CNN+RNN+CTC(CRNN+CTC)CNN+Seq2Seq+Attention本文介绍第一种方法。CRNN是一种卷积循环神经网络结构，用于解决基于图像的序列识别问题，特别是场景文字识别问题。文章认为文字识别是对序列的预测方法，所以采
转载
2024-03-15 11:36:34
105阅读
RPN(RegionProposal Network)区域生成网络 Faster-RCNN的核心。在这里整理。1.anchors。 思路：1、先通过conv层+pooling层+relu层，可以是vgg，得到feature maps。2、在feature maps上提取对应的图。在第一步基础上，先通过rpn生成region proposals。通过softmax判断anchors（9个框），是fo
不同特征层特点：低层特征：语义信息较少，目标位置明确高层特征：语义信息丰富，目标位置粗略FPN特点：预测在不同的特征层独立进行，顶层特征上采样和低层特征做融合。算法大致结构如下图所示：一个自底向上的线路(Bottom-up pathway)，一个自顶向下的线路(Top-down pathway)，横向连接(Lateral connection)自底向上： 即网络的前向过程，将不改变feature
转载
2024-06-26 20:07:58
59阅读
SegNet网络结构网络架构EncoderDecoder贴一张我的处理结果吧 刚刚接触深度学习–semantic segmentation相关的研究，对SegNet的网络结构进行了学习，虽然已经有了很多的解释，还是想要自己写一下，将整体结构做一个梳理。博客底部附有参考链接，感谢大神们的分析以及代码的赞助。SegNet是通过对图像中每一个像素点进行分类，识别每一个像素点的类别来实现图像的分割。其思
转载
2024-04-28 22:29:59
83阅读
Stage1为Conv， Stage2~8为MBConv，Stage9为Conv + Pooling + FC第三列Resolution(分辨率)为输入每个Stage时的分辨率(高度和宽度)第四列Channels为每个Stage输出特征矩阵的通道数第五列Layers为将对应的Stage重复多少次第六列stride(步距)为对应每一个Stage中的第一个Operator的步距，其余Operator的
转载
2024-04-01 10:37:40
225阅读
根据 GitHub - RangiLyu/nanodet: NanoDet-Plus⚡Super fast and lightweight anchor-free object detection model. ?Only 980 KB(int8) / 1.8MB (fp16) and run 97FPS on cellphone?打印调试得出NanoDetPlus(
(backbo
转载
2023-05-27 10:18:11
242阅读
在卷积层、全连接层后加relu激活函数，在池化层后不加激活函数以下的程序模型，把原始论文中的kernel_num即卷积核个数参数减半，实际效果没太影响。构造模型import torch.nn as nn
import torch
class AlexNet(nn.Module):#定义AlexNet这个类，它继承自nn.Module这个父类
def __init__(self, num
转载
2023-12-20 21:43:34
50阅读
一、VGG16的结构层次VGG16总共有16层，13个卷积层和3个全连接层，第一次经过64个卷积核的两次卷积后，采用一次pooling，第二次经过两次128个卷积核卷积后，采用pooling；再经过3次256个卷积核卷积后。采用pooling，再重复两次三个512个卷积核卷积后，再pooling，最后经过三次全连接。1、附上官方的vgg16网络结构图:conv3-64的全称就是convolutio
转载
2023-10-20 20:23:49
95阅读
name: "vgg_1/8" layer { name: "data" type: "AnnotatedData" top: "data" top: "label" include { phase: TRAIN } transform_param { mirror: true mean_value: 104.0 mean_value:...
转载
2018-06-24 19:31:00
257阅读
2评论
参考目录：目录1 铺垫2 展开3 主体4 高潮5 最后一提1 铺垫在计算机视觉领域，全卷积网络（FCN）是比较有名的图像分割网络，医学图像处理方向，U-Net可以说是一个更加炙手可热的网络，基本上所有的分割问题，我们都会拿U-Net先看一下基本的结果，然后进行“魔改”。U-Net和FCN非常的相似，U-Net比FCN稍晚提出来，但都发表在2015年，和FCN相比，U-Net的第一个特点是完全对称，
转载
2024-04-03 23:34:34
75阅读
前言：参考内容来自up：6.1 ResNet网络结构，BN以及迁移学习详解_哔哩哔哩_bilibiliup的代码和ppt：https://github.com/WZMIAOMIAO/deep-learning-for-image-processing一、简介ResNet 网络是在 2015年原论文地址：[1512.03385] Deep Residual Learning for Image Re
转载
2024-02-22 14:19:53
264阅读
文章目录可视化网络结构使用print函数打印模型基础信息使用torchinfo可视化网络结构CNN可视化CNN卷积核可视化CNN特征图可视化方法CNN class activation map可视化方法使用TensorBoard可视化训练过程 datawhale 深入浅出PyTorch 可视化网络结构随着深度神经网络的发展，网络的结构越来越复杂，我们也很难确定每一层的输入结构，输出结构以及参数
转载
2023-10-20 06:52:22
1929阅读
点赞
学习笔记 1. 什么是Transformer《Attention Is All You Need》是一篇Google提出的将Attention思想发挥到极致的论文。这篇论文中提出一个全新的模型，叫 Transformer，抛弃了以往深度学习任务里面使用到的 CNN 和 RNN。目前大热的Bert就是基于Transformer构建的，这个模型广泛应用于NLP领域，例如机器翻译，问答系统，文
第2章：网络体系结构2.1 网络协议网络协议是为网络数据交换而制定的规则、约定与标准。网络协议的三要素：（1）语法：数据与控制信息的结构或格式；（2）语义：即需要发出何种控制信息，完成何种动作 以及做出何种响应；（3）时序：事件实现顺序的详细说明2.2 网络体系结构定义：计算机网络的各层及其网络协议的集合。网络体系的研究方法：分层。（没有什么是加一层解决不了的，如果有就加两层）层次研究的优点：独立
转载
2024-03-01 13:55:03
65阅读
# 引言 深度残差网络的提出是深度学习领域的里程碑事件，它使得网络可以做大做深，现在主流的网络中都有残差结构 # 问题 - ##深度网络的退化 深度网络有一个普遍的问题：随着网络层数的增加，准确率是先增后减的，准确率增加是很好理解的，毕竟网络变深之后，模型的学习能力也随之变强，结果也相应地变好，但是结果变差是反直觉的，这种现象被称为网络退化，有人给出解释：模型的参数规模超过数据规模，模型可能发生了
转载
2024-09-02 12:44:13
244阅读
InceptionNet网络搭建网络结构及分析： 如上图，InceptionNet是由一个卷积层+四个Inception结构块+所有通道进行平均池化的池化层+Dense层组成 四个Inception结构块的上面两个组成一个block，下面两个组成一个block block中的第一个Inception结构块卷积步长是2 第二个Inception结构块卷积步长是1Inception结构块的结构 输入经
