80/4
Group convolution and Channel ShuffleGroup convolution 分组卷积，最早在AlexNet中出现。减少了参数量，输入80为，经过3x3，32filters的Convolution，推理参数计算量为8...
发简信
IP属地：福建
-
-
『Aggregated Residual Transformations for Deep Neural Networks』论文笔记一 为什么读这篇 传说中的ResNeXt，也是ResNet官方系列的第三篇，看完这个才算是对ResNet流派有个完整的认识，此外当前很多SOTA模型的底子都是用这个，所以不得...
-
笔记记录-增强CNN表达能力的三种手段
1、加深网络： LeNet、Residual-style Networks、ResNet（实际实验结果表明由层次提升而带来的边际准确率增加已是越来越少）2、增加网络模块宽度：...
-
Attention个人笔记
学习链接：https://zhuanlan.zhihu.com/p/52666011 https://zhuanlan.zhihu.com/p/44031466?utm_so...
-
[记录]pytorch TensorboardX可视化配置以及使用技巧
http://www.pianshen.com/article/3479170564/ 三种初始化方法： 使用技巧：https://www.jianshu.com/p/d05...
-
*skip connection作用
参考资料：https://mp.weixin.qq.com/s?__biz=MzA3NDIyMjM1NA==&mid=2649033134&idx=1&sn=69a5be0c...
-
Group convolution and Channel Shuffle
Group convolution 分组卷积，最早在AlexNet中出现。减少了参数量，输入80为，经过3x3，32filters的Convolution，推理参数计算量为8...
-
记录Soft-max corss entropy
https://blog.csdn.net/zwqjoy/article/details/78952087https://blog.csdn.net/u014380165/a...
-
深度学习图像数据标准化与归一化
附上一段pytorch代码： 可以看到这段代码用到Normalize(标准化)操作，中文文档这么解释， 神经网络中的归一化作用：归一化不改变图像信息，只是把像素从0-255变...
-
SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation2015CVPR Encoder-Decoder Architecture编码器：通过输入的图像，得到该图像的特征图谱。解码器：根据提供的特征图谱，实现每个像素的类别预测。（...
-
FCN(Fully Convolutional Network)
2015Best cvpr 1、分类网络的末端，往往是使用全连接层，全连接层连接了所有图像特征，所以在分类任务中效果出色，但是全连接层忽略了空间信息。FCN将分类网络中的全连...
-
SPP-Net(ECCV 2014)学习笔记2018cvpr，Pyramid Stereo Matching Network中用到了Spatial Pyramid Pooling用来提取双目图片的特征。查了一些资料，笔...
