我的博客 最新博文

0
[翻译] RetinaNet: Focal Loss for Dense Object Detection

[翻译] RetinaNet: Focal Loss for Dense Object Detection

摘要迄今为止最高精度的物体检测器是由两级组成的检测器,典型代表是R-CNN,其中R-CNN的分类器被应用于有很少元素的预选框集。相反,一级检测器被更加广泛地使用,密集的区域预选使网络有可能变得更快更简单,但到目前为止,其检测的准确性仍落后于两级检测器。在本文中,我们讨论了为什么会出现这样的情况。我们发现在训练密集检测器的过程中遇到的极端的前景 - 背景类不平衡是造成一级检测器准确性较差的主要...
- 阅读全文 -
0
[鹅厂] 惊悚图像分类日志

[鹅厂] 惊悚图像分类日志

警告:本文可能出现部分惊悚内容导致不适!前言有幸来到鹅厂学习,接手了惊悚图片分类的问题。这问题一听就很惊悚,事实上也很惊悚,每次打开数据集前我都要做一下心理建设。数据量很大,有标注的惊悚数据4w,正常数据6w;数据花样很多,囊括了形形色色的网图,从大字报到游戏场景,从屠宰场到显微镜下,就看我能不能玩出点花样了。要求目标:二分类,只需要标记出惊悚图片即可精度:准确率>80% 召回率>...
- 阅读全文 -
0

ResNet:网络复现

手画网络结构终归不如直接实现一遍搞得清楚,直接上网络结构代码,Res-152改良版(根据后续版本,残差块里的“卷积、批量归一化和激活”结构改成了“批量归一化、激活和卷积”)# Mxnet 实现 # 残差模块 class Residual(nn.Block): def __init__(self, num_channels, num_channels_out, use_1x1co...
- 阅读全文 -
2

SSD:网络结构

手画了一下网络结构,就一目了然了,六级输出组合起来就是最终的结果发现的问题虽然使用了多级结构,使网络对于小物体识别能力更强,但特征的表达能力似乎不够强。目前感觉在前景背景区分度较差,此外bbox定位不够精确,导致修改IOU参数或修改IOU逻辑均对结果提升不足。在Default Boxes的定义上因为兼顾了小物体和大物体,当出现全图均为密集小物体时,高维Boxes回归后的结果偏差较大,影响了最...
- 阅读全文 -
0

Faster RCNN: RPNs

网络结构图像被缩放到最短边600像素,3通道经过卷积网络(ZF模型、VGG16模型)。以ZF模型为例,每次卷积使用padding因此不改变图像尺寸,仅在pooling时长宽缩小一半,因此经过卷积网络后得到的Feature中,每个点对应原图16x16区域的信息Feature进行共享,RPNs和ROI Pooling均使用此信息,RPNs由此信息产生Region Proposal(RP)RP与F...
- 阅读全文 -
0

MCM2019-C题模型部分

总体思路是使用数据挖掘中的挖掘频繁项原理来挖掘毒品之间的关系、人口普查数据与毒品之间的关系。 以下是论文第二部分的主干。Glossary & SymbolsGlossary数据立方体 data cube维 dimension分层 hierarchy hierarchy is a mapping sequence that maps the underlying conceptual se...
- 阅读全文 -
0

Fast RCNN: RoI Pooling 原理及代码

RoI Pooling 层初始化参数pooled_weight_ RoI池化层宽网格数(即论文中W=7)pooled_height_ RoI池化层高网格数(即论文中H=7)spatial_scale_ 从输入图像的坐标到特征图像坐标的缩放值Forward函数流程输入:(特征图data,位置信息rois) * Batch个从Batch中取一张特征图datas的一个通道data,从此图对应...
- 阅读全文 -
0

多音字姓

static { FAMNAMES.put(Character.valueOf('仇'), "QIU"); FAMNAMES.put(Character.valueOf('柏'), "BO"); FAMNAMES.put(Character.valueOf('牟'), "MU"); FAMNAMES....
- 阅读全文 -
0
Cascade RCNN 笔记

Cascade RCNN 笔记

Cascade RCNN在训练时,以低IoU阀值进⾏训练会导致效果不好,因为会产⽣很多噪声框;所以我们希望阈值尽量⾼,⽽IoU阀值设过⾼时,训练出的detector效果却有下降趋势,如下图所示。因为阀值⾼时,每轮训练正样本会更少(指数级下降),detector易过拟合。如下图所示,训练样本通过RPN产⽣的RP与标注所对⽐的IoU直⽅图,当IoU增加时,正样本呈指数级下降。The red nu...
- 阅读全文 -