PSPnet（Pyramid Scene Parsing Network）是一种深度卷积神经网络结构，用于场景解析和语义分割任务。该模型是由中科院自动化研究所于2016年提出...
发简信
IP属地：江苏
-
语义分割——PSPnet -
语义分割——SegNetSegNet是由剑桥大学团队开发的一个图像分割的开源项目，该项目可以对图像中的物体所在区域进行分割，例如车、马路、行人等，并且精确到像素级别。SegNet提出了一种编码器，解...
-
语义分割——U-NetU-Net是继FCN之后又一个经典的语义分割网络模型，并且也是很多后续语义分割模型的“祖宗”。这个网络模型是2015年提出来的，它具有一个非常对称的结构，很像字母“U”，所以...
-
语义分割——全卷积网络FCN语义分割（Semantic Segmentation）是计算机视觉领域中的一项重要任务，它旨在将图像或视频中的每个像素点分类到特定的类别中。语义分割是计算机视觉的基础任务之一...
-
深度学习训练中的数据增强数据增强（Data Augmentation），也叫数据增广，是机器学习和深度学习中的一种技术，它通过转换数据来扩充训练样本，提高训练样本的多样性和数量。数据增强的主要目的是...
-
-
语义分割训练精度计算
语义分割训练的output结果一般是[batch_size, num_classes, width, height]这样的形式，而label的结果一般是[batch_size...
-
VBA读取不带后缀名文本文件的方法(解决Unix文本文件在Windows下变成一行的读取)
VBA在操作Excel等Office软件方面有天然的优势，虽说现在Python的Pandas，openpyxl和Java的poi包都可以处理Excel文件，但有两个问题：首先...
-
-
-
基于门控的循环神经网络：GRU门控循环单元（GatedRecurrentUnit，GRU）网络，也是一种基于门控的循环神经网络，但是名气不如LSTM大，GRU是对LSTM的一种改版，可以理解为是LSTM的...
-
基于门控的循环神经网络：LSTM之前我们介绍了循环神经网络的原理以及实现。但是循环神经网络有一个问题，也就是长期依赖问题。我们之前的01序列预测案例中可以看到，当序列长度到达10以上之后错误就会增多，说明简...
-
深度学习中权重初始化的重要性深度学习模型中的权重初始化经常被人忽略，而事实上这是非常重要的一个步骤，模型的初始化权重的好坏关系到模型的训练成功与否，以及训练速度是否快速，效果是否更好等等，这次我们专门来...
-
循环神经网络实例——序列预测我们生活的世界充满了形形色色的序列数据，只要是有顺序的数据统统都可以看作是序列数据，比如文字是字符的序列，音乐是音符组成的序列，股价数据也是序列，连DNA序列也属于序列数据。...
-
-
卷积神经网络六：ResNetResNet是2015年的ImageNet竞赛的冠军，由微软研究院的何凯明等人提出。ResNet，残差神经网络是一种通过残差块来构建的神经网络，通过残差模块可以训练152层以...
-
卷积神经网络五：GoogleNet在2014年的ImageNet图像识别大赛中，一个名叫GoogleNet的网络架构大放异彩。GoogleNet使用了一种叫作inception的结构。其实GoogleNet本...
-
卷积神经网络四：VGGVGG，也叫VGGNet，是ImageNet大赛2014年的亚军，总体也是通过卷积层和池化层的叠加，最后加上一个全连接层来实现的卷积神经网络。它的主要特点是采用了更小的滤波器...
-
卷积神经网络三：AlexNetAlexNet是第一个现代深度卷积网络模型，其首次使用了很多现代深度卷积网络的一些方法，如使用GPU并行训练，采用ReLU函数作为非线性函数，使用Dropout技术防止过拟合...