vhpg's Blog

You got a dream, you gotta to protect it.

CNN Model - Inception v3--Rethinking the Inception

论文分析

本篇文章观点仅限于目前的理解，后续若有新的理解，还会继续更新。 1. Introduce Inception v3是由Szegedy于2016年发表在CVPR上的文章Rethinking the Inception Architecture for Computer Vision中提出的，这也是该作者对Inception结构的再一次优化。 作者的motivation很简单，较大的...

Posted by vhpg on March 30, 2019

CNN Model - Inception v2--Batch Normalization

论文分析

本篇文章观点仅限于目前的理解，后续若有新的理解，还会继续更新。 0. Introduce Batch Normalization出现后基本取代了局部响应归一化操作(LRN)，目前已经成为CNN网络的标准配置。 BN操作通常用于卷积层和激活层之间，用于对各层的feature map进行归一化操作。 目前对BN操作的理解仍然有限，本篇文章首先分析CNN网络中对数据进行归一化的目的，然后...

Posted by vhpg on March 29, 2019

CNN Model - Inception v1--GoogLeNet

论文分析

本篇文章观点仅限于目前的理解，后续若有新的理解，还会继续更新。 1. Introduce Inception v1模型是由2015年发表在CVPR上的Going Deeper with Convolutions文章中提出的，文章中首次提出了Inception结构，并把由该结构组成的网络称为GoogLeNet，该网络获得了ILSVRC-2014的Classification任务的冠军...

Posted by vhpg on March 28, 2019

CNN Model - VGGNet

论文分析

本篇文章观点仅限于目前的理解，后续若有新的理解，还会继续更新。 1. Introduce VGGNet是在2015年发表在ICLR上的一篇文章中提出的，网络深度提高到了16至19层，在ILSVRC-2014中，基于该网络的方案获得了Localisation任务的第一名和Classification任务的第二名(同年Classification任务第一名为Inception v1方案...

Posted by vhpg on March 26, 2019

CNN Model - ZFNet

论文分析

本篇文章观点仅限于目前的理解，后续若有新的理解，还会继续更新。 1. Introduce ZFNet是由2014年发表在ECCV上的一篇文章中提出的，论文的motivation主要是想知道卷积后每层的feature map到底提取到的是什么样的图像特征，所以作者提出了一种反卷积的可视化方法，通过反卷积(Deconvolution)，可以将任意的feature map映射到输入层(如...

Posted by vhpg on March 25, 2019

CNN Model - NIN

论文分析

本篇文章观点仅限于目前的理解，后续若有新的理解，还会继续更新。 1. Introduce NIN(Network In Network)是NUS(National University of Singapore)于2014年发表在ICLR上的一篇文章中提出的，作者首先分析了传统的CNN网络的一些问题，并针对这些问题，提出了自己的改进方法，并将网络结构命名为NIN。 2. Conv...

Posted by vhpg on March 22, 2019

CNN Model - AlexNet

论文分析

本篇文章观点仅限于目前的理解，后续若有新的理解，还会继续更新。 1. Introduce AlexNet是由2012年发表在NIPS上的一篇文章中提出的，由神经网络的三巨头(Hinton, Lecun, Bengio)之一Hinton的学生Alex提出，这也是深度CNN网络首次应用于图像分类，该方案获得了ILSVRC-2012的Classification任务的冠军，在top-5错...

Posted by vhpg on March 20, 2019

Object Detection - YOLOv2&YOLOv3

论文分析

本篇文章观点仅限于目前的理解，后续若有新的理解，还会继续更新。 1. YOLOv2改进点总结 使用论文中的一张图来总结YOLOv2所做的一些改进： 这里解释以下几点： convolutional: 通过对YOLOv1的分析可以知道，YOLOv1最后一层是全连接层，全连接层经过reshape操作得到了我们所需要的7*7*30的结构，而在YOLOv2中，作者使...

Posted by vhpg on March 18, 2019

Object Detection - YOLOv1

论文分析

本篇文章观点仅限于目前的理解，后续若有新的理解，还会继续更新。 1. YOLO的创新点在哪里？ 这里一般都会与R-CNN系列的目标检测系统进行比较，但是目前自己对R-CNN理解有限，不做深入分析。 YOLO最主要的创新点，就是作者在论文中所说的，把目标检测看做一个回归问题: We frame object detection as a regression problem...

Posted by vhpg on March 17, 2019

为什么要写技术博

一点思考

一点反思 这不是自己第一次打算开始写博客，之前在CSDN和博客园都有注册过帐号，准备记录一下学习过程中的一些经验，但都没有坚持下来。 我想这大概有两个方面的原因吧，一个是没有找到驱动自己写博客的内在动力，另一个是自己对问题貌似没有怎么深入思考总结过，大多时候是问题 决完之后便不了了之。所以现在每当自己回想起以前干了写什么，总想不起具体的内容，也很难有一个集中的地方让自己去回忆，然后就好像...

Posted by vhpg on March 14, 2019

FEATURED TAGS
Others Essay Deep Learning Object Detection CNN Model Machine Learning Optimization Mathematics PyTorch Image Quality Assessment
ABOUT ME

Counterfeit coder.

✉️ vhpg94@gmail.com

FRIENDS