iOS 数据库离线缓存思路和网络层封装iOS数据库离线缓存网络层封装 作者：shelin 投稿。 一直想总结一下关于iOS的离线数据缓存的方面的问题，然后最近也简单的对AFN进行了再次封装，所有想把这两个结合起来写一下。数据展示型的页面做离线缓存可以有更好的用户体验，用户在离线环境下仍然可以获取一些数据，这里的数据缓存首选肯定是SQLite，轻量级，对数据的存储读取相
转载
2023-09-15 21:45:42
41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
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
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
245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
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
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
一、网络模型万年不变，先从模型结构分析，现在大家熟知的网络模型有两种。第一种是，OSI七层模型，第二种是TCP/IP模型。在实际运用中，参考更多的是TCP/IP模型。OSI七层模型TCP/IP模型不需要全部理解，只需要明白两点：1、数据包发送数据的过程是从上到下打包,接收数据是从下至上拆包。2、在二层数据链路层我们的数据已经被层层封装为以太网帧结构。现在有了下一个问题，以太网帧结构是什么?二、以太
转载
2023-11-03 21:48:42
53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
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
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
一、对网络的理解1、网络加深之后，性能不升反降，作者在论文中对比了两种网络一种是plain net 一种即是本文提出的和plain net配置层数（34层） 参数一样的ResNet，作者猜想plain net 训练错误率更高的原因可能是因为这种深网络具有指数级低的收敛速度，且作者排除了是前向和后向传播时梯度消失或爆炸的原因，因为网络中加入了BN层；所以深网络难以训练，学起来很困难，现有的训练方法难
转载
2024-05-08 23:19:55
56阅读
文章目录经典CNN网络经典网络的改进点AlexNetZFNetVGGNetGoogleNet InceptionInception V3ResNet50MobileNetShuffleNetEffcientNet 经典CNN网络AlexNetZFNetVGGGoogleNet InceptionInception V3ResNet50MobileNetShuffleNetEffcientNet经
转载
2024-08-07 19:17:17
79阅读
文章目录Faster RCNN可以分为4个主要内容1、Conv layers2、RPN模块2.1、3x3卷积生成Anchor2.2、1x1卷积网络预测2.3、 计算RPN loss：2.4、NMS和筛选Proposal得到RoI：3、RoI pooling4、Fast RCNN训练损失有：参考（感谢） FasterRCNN网络结构：Faster RCNN可以分为4个主要内容1、Conv laye
转载
2024-05-07 17:50:06
1005阅读
博客来源于：；；ResNet指出，在许多的数据库上都显示出一个普遍的现象：增加网络深度到一定程度时，更深的网络意味着更高的训练误差。误差升高的原因是网络越深，梯度消失的现象就越明显，所以在后向传播的时候，无法有效的把梯度更新到前面的网络层，靠前的网络层参数无法更新，导致训练和测试效果变差。所以ResNet面临的问题是怎样在增加网络深度的情况下有可以有效解决梯度消失的问题。ResNet中解决深层网络
转载
2024-02-14 13:53:18
116阅读
