一、介绍
本demo由Faster R-CNN官方提供,我只是在官方的代码上增加了注释,一方面方便我自己学习,另一方面贴出来和大家一起交流。
该文件中的函数的主要目的是根据所传入的参数选择特定的test网络结构或者train网络结构。
本demo由Faster R-CNN官方提供,我只是在官方的代码上增加了注释,一方面方便我自己学习,另一方面贴出来和大家一起交流。
该文件中的函数的主要目的是根据所传入的参数选择特定的test网络结构或者train网络结构。
本demo由Faster R-CNN官方提供,我只是在官方的代码上增加了注释,一方面方便我自己学习,另一方面贴出来和大家一起交流。
该文件中的函数和类的主要目的是产生一个基类,并在类中封装好需要的方法,以后生成网络时可以直接调用已经封装好的方法。
最近在补Faster R-CNN的相关知识,在阅读Faster R-CNN的代码(TensorFlow实现)。将自己阅读过的代码加上注释,贴出来方便大家学习。我会尽量从底层代码向高层代码逐渐说明,以方便后面的代码阅读。
由于本人还在学习,难免会有些错误,如果大家发现了出错的地方,还请不吝指出。
Faster R-CNN论文地址:Faster R-CNN
Github地址:Faster R-CNN
Update your browser to view this website correctly. Update my browser now
一、YOLO简介 YOLO(You Only Look Once)是一个高效的目标检测算法,属于One-Stage大家族,针对于Two-Stage目标检测算法普遍存在的运算速度慢的缺点,YOLO创造性的提出了One-Stage。也就是将物体分类和物体定位在一个步骤中完成。YOLO直接在输出层回归bo
一、YOLO简介 YOLO(You Only Look Once)是一个高效的目标检测算法,属于One-Stage大家族,针对于Two-Stage目标检测算法普遍存在的运算速度慢的缺点,YOLO创造性的提出了One-Stage。也就是将物体分类和物体定位在一个步骤中完成。YOLO直接在输出层回归bo
一、YOLO简介 YOLO(You Only Look Once)是一个高效的目标检测算法,属于One-Stage大家族,针对于Two-Stage目标检测算法普遍存在的运算速度慢的缺点,YOLO创造性的提出了One-Stage。也就是将物体分类和物体定位在一个步骤中完成。YOLO直接在输出层回归bo
前言 分类问题是深度学习中的最基本的问题,而分类问题中,我们使用最多的就是利用softmax函数并结合cross \; entropy计算最后的损失值Loss。所以我们有必要对其进行一定的了解,并进行其求导的操作,这里的求导就相当于进行反向传播。 一、参数设置 假设我们输入一