CW NB!
Hi，我们是 MobileNet 家族！Date: 2020/02/07 Author: CW Foreword： 轻量化网络是深度学习领域的研究热点之一，其目标是在网络的参数量少、训练和预测速度快的情况下又能够保...
发简信
IP属地：山东
-
-
Hi，我们是 MobileNet 家族！Date: 2020/02/07 Author: CW Foreword： 轻量化网络是深度学习领域的研究热点之一，其目标是在网络的参数量少、训练和预测速度快的情况下又能够保...
-
yolov3论文阅读笔记简单介绍 yolov3和retinaNet的爱恨情仇，如果看过retinaNet论文可以发现，论文作者在对比图中没有画出yolov2的对比展示图，可能是因为yolov2的时间...
-
YOLOv2 / YOLO9000 深入理解
YOLOv2相对v1版本，在继续保持处理速度的基础上，从预测更准确（Better），速度更快（Faster），识别对象更多（Stronger）这三个方面进行了改进。其中识别更...
-
归一化 （Normalization）、标准化 （Standardization）和中心化/零均值化 （Zero-centered）1 概念 归一化：１）把数据变成(０，１)或者（1,1）之间的小数。主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速。２）把有量纲表达式变成无量...
-
COCO目标检测测评指标纪念版的评分图： 在COCO数据中，默认AP就是mAP。 mAP@.5IOU=AP@.5IOU, mAP@.75IOU=AP@.75IOU。以此类推 在更早的数据集VOC上...
-
关于转置卷积的这些点，你get到了没？前言： Date: 2020/02/09 Author: CW 本文是CW学习转置卷积的复习笔记，方便周期性进行回顾。文中没有深入剖析细节，仅仅是将关键点和问题提取出来，具体...
-
FPN: 一种高效的CNN特征提取方法介绍 FPN是一种利用常规CNN模型来高效提取图片中各维度特征的方法。在计算机视觉学科中，多维度的目标检测一直以来都是通过将缩小或扩大后的不同维度图片作为输入来生成出反映不同...
-
【比赛-kaggle】Titanichttps://www.kaggle.com/c/titanic/overview 0 模型准备 exploration 一、EDA 1.1 因子EDA 等级 性别 年龄 港...
-
Gmail:liaopanblog@gmail.com
-
空洞卷积(dilated convolution)理解Dilated/Atrous Convolution(中文叫做空洞卷积或者膨胀卷积) 或者是 Convolution with holes 从字面上就很好理解，是在标准的 c...
-
mAP（mean average precision）平均精度均值本文由两篇文献详解组成，所以我分成上下两部分来讲。 上部分：来自：http://blog.sina.com.cn/s/blog_9db078090102whzw.html 多...
-
Python 操作excel
xlrd模块是读取excelxlwt模块是写excelxlutils是用来修改excel 1.读取excel 流程：打开excel-->获取sheet(顺序\sheet名称)...
-
纸上得来终觉浅，绝知此事要躬行。<br>个人博客：<a href="http://noahsnail.com" rel="nofollow" target="_blank">http://noahsnail.com</a><br>CSDN博客：<a href="http://blog.csdn.net/quincuntial" rel="nofollow" target="_blank">http://blog.csdn.net/quincuntial</a>
-
-
SSD:Single Shot MultiBox Detector 论文笔记【2016ECCV】原创，转载请注明出处 论文连接：https://arxiv.org/abs/1512.02325这篇文章是2016ECCV的oral paper，目标检测领域的经典论文，值得...
-
哔哩哔哩：李文举说
-
Faster R-CNN原理详解（基于keras代码）(一)本文主要通过通过keras版本的代码来讲解:https://github.com/Jeozhao/Keras-FasterRCNN原文链接:http://www.ee.bgu...
