對(duì)目標(biāo)檢測(cè)，需要把物品用矩形框選出來(lái)
分割要每一個(gè)像素都要區(qū)分

CIFAR-10：高級(jí)的數(shù)據(jù)集，彩色

專業(yè)數(shù)據(jù)集：

AlexNet CV方向突破，ZF是小修小補(bǔ)


網(wǎng)絡(luò)介紹：
上下兩部分的原因：當(dāng)時(shí)顯卡放不下，買了兩片

第二個(gè)卷積層

接下來(lái)三個(gè)卷積層，沒有馬上接池化，擴(kuò)展像素，保證不變



可能大變化，常見噪聲，增加魯棒性

思考角度：不一定用大卷積核，但希望效果沒事，發(fā)現(xiàn)小核做深，效果更好
去搜！！！！：（感受野）

感受野：下面的5x5都能影響到最上面那個(gè)，深度加深，參數(shù)量卻少了

參數(shù)良很大

googlenet：提出Inception和Bottleneck

Inception：
平時(shí)用到的卷積濾波器，一般都是一樣的，但：應(yīng)該用很多不同的，這樣特征更好

參數(shù)少了，256個(gè)濾波器，1x1的濾波器可以隨意降低通道數(shù)

參數(shù)量巨大，但右側(cè)Google就通過(guò)一種方法沒有參數(shù)了

微軟搞得：ResNet當(dāng)年cvpr最佳
網(wǎng)絡(luò)非常深的時(shí)候，梯度很不穩(wěn)定，殘差結(jié)構(gòu)：有時(shí)跳過(guò)去，直接相加

首先用52層的無(wú)跳躍還不如20層的
搞了些跳躍連接，就不錯(cuò)了

加深后，梯度不可預(yù)測(cè)，所以要想辦法控制，為什么有效？有很多流派

1132：bottlenet作用，通道數(shù)很大，參數(shù)太多，所以用改卷積核降下來(lái)，再升上去，參數(shù)就少了
多少個(gè)濾波器，能決定，深層的channel數(shù)
怎么挑：先找到，pre訓(xùn)練，再微調(diào)
最近efficientNet
神經(jīng)網(wǎng)絡(luò)：
1.訓(xùn)練：訓(xùn)練時(shí)要很多，很大內(nèi)存
2.推理：很快，很少
后面實(shí)踐：

口罩識(shí)別：
看回放吧

總結(jié)

以上是生活随笔為你收集整理的飞桨第四节七日cv经典网络 2020.4.3的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。