SWOT
bias的作用
比作:二维直线的偏移量y = ax + b
TIOBE编程语言排行榜
显存存放卷积核的参数
每个卷积核(输出通道数)的参数均不相同,随机初始化,然后经过后向传播修改
CS231N
OCR推荐算法
NLP:natural language processing
UVC,usb video class,一种为USB视频捕获设备定义的协议标准
star原则
coco数据集
imagenet数据集
显存占用
乘以4是因为32位float需要占据4个字节
每个通道的卷积参数不同
计算机视觉四大基本任务(分类、定位、检测、分割)
每个卷积核都有一个bias参数
点击、点乘,卷积的运算方式为点乘
n个卷积核输出n个feature map
异质
Unet
encoder
decoder的作用是将encoder提取到的特征信息转换为语义信息。
数据增强
损失函数
噪声干扰(睫毛、眼睑、光斑等)
传统分割(边界的梯度变化)
网络模型参数量
计算量
FCN
CASIA-Iris-intervel
空洞卷积
残差网络
DRN卷积
深度分离卷积
UBIRIS数据集(可见光)
语义分割神经网络
二分类交叉熵
下采样
召回率
softmax函数
语义分割中的decoder的上采样方式主要有反卷积(优点参数可学习,缺点增加参数量和计算量)、插值法和反池化(segnet中所使用的的上采样方式,优点是计算量小,计算速度快,缺点是需要占用一定内存用于存储位置信息)
上采样
梯度过小无法继续训练
评估指标IoU
批次
batch size
优化器选用adam
学习率
泛化能力
过拟合
flops 浮点运算次数
数据集:
- CASIA
- MIR2016
- SEPAD
陈金鑫学长
级联神经网络(腾童)
边框回归
晁静静,基于方向梯度直方图(HOG)和支持向量机(SVM)的人眼定位算法。
主动外观(ASM)
结合广义交并比(GIoU)对传统的均方误差(MSE)边框定位损失函数进行修改
YOLOV3-tiny是一种单阶段目标检测网络,与R-CNN, FAST R-CNN,FASTER R-CNN, MTCNN等两阶段目标检测网络相比,存在着目标检测速度快的优点。
边框、置信度、类别信息(都是可以训练的)(值得注意一下)
非极大值抑制(NMS)算法
深度可分离卷积
锚点框
k-means聚类
超参数
sigmoid函数归一化
原 YOLOV3-tiny 网络用于 80 类别物体的 识别定位;而且原模型输入图像为彩色图像,背景 复杂多变需要较大的网络模型去提取特征,针对虹 膜图像单一类别的目标而言,且输入图像为灰度图 像,具有一定的可行性,可以设计轻量快速的模型 完成定位及分类任务。
PW代表深度卷积,DW代表点卷积
NL代表非线性激活函数数,本文中主要用到三种激 活函数 h-swish、h-sigmoid 以及 ReLU
腾童学长
全卷积网络
交并比
DNN
ANN
BP学习
感受野
注意力机制
语义分割、实例分割、边缘分割
每一点的nme
收敛快什么意思
LRN层 局部响应归一化
1*1卷积层降维
稀疏连接
localrespnorm
depth concat深度串接,就是inception单元中多个并联层的输出合并起来
batch normalization
聚类
rectified linear activation
GIOU(IOU基本已被代替)
端到端
优化器的动量,学习率调整机制
shortcut