大海

[目标检测][目标识别]模型性能测试

发表于 2020-04-10 更新于 2021-04-12 分类于深度学习/deeplearning

本文字数： 993 阅读时长 ≈ 2 分钟

在目标检测和目标识别任务中，常用以下几种评价标准：

结合PyTorch完成了相关评价标准的实现：zjZSTU/Evaluation-Metrics

发表于 2020-04-10 更新于 2021-07-09 分类于目标分类/object classification

本文字数： 3.2k 阅读时长 ≈ 6 分钟

论文Rethinking the Inception Architecture for Computer Vision对GoogLeNet和GoogleNet_BN的实现做了进一步的解释，同时提出了新的Inception模块和损失函数LSR(label-smoothing regularizer)

上一篇实现了Inception_v2架构，经过测试发现其损失收敛速度确实高于之前的GoogLeNet_BN。本文在此基础上实现Inception_v3架构

发现一个在线可视化工具：Netscope CNN Analyzer，里面提供了Inception v3的可视化及详细参数：Inception v3

发表于 2020-04-09 更新于 2021-07-09 分类于目标分类/object classification

本文字数： 7.7k 阅读时长 ≈ 14 分钟

论文Rethinking the Inception Architecture for Computer Vision对GoogLeNet和GoogleNet_BN的实现做了进一步的解释，同时提出了新的Inception模块和损失函数LSR(label-smoothing regularizer)，本文实现其中的Inception_v2架构

发表于 2020-04-08 更新于 2021-12-08 分类于目标分类/object classification

本文字数： 35k 阅读时长 ≈ 1:04

发表于 2020-04-08 更新于 2021-07-09 分类于目标分类/object classification

本文字数： 12k 阅读时长 ≈ 23 分钟

论文Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift将批量归一化方法作用于卷积神经网络，通过校正每层输入数据的数据分布，从而达到更快的训练目的。在文章最后，添加批量归一化层到GoogLeNet网络，得到了更好的检测效果

发表于 2020-04-07 更新于 2021-07-09 分类于目标分类/object classification

本文字数： 11k 阅读时长 ≈ 21 分钟

学习了论文Going deeper with convolutions，尝试进一步推导其模型，并使用PyTorch实现该网络

发表于 2020-04-07 更新于 2021-04-14 分类于深度学习/deeplearning

本文字数： 6.2k 阅读时长 ≈ 11 分钟

学习论文Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift，里面提出了批量归一化（Batch Normalization，简称BN）方法，一方面能够大幅提高训练速度，另一方面也能够实现更好的模型精度