zoukankan      html  css  js  c++  java
  • 深度学习顶级算法-简介

    Faster R-CNN

    Towards Real-Time Object Detection with Region Proposal Networks

    其中共享了卷积特征,以提高速度。

    实现端到端的网络结构(RPN+RCNN)。

    关键点定位

     Convolutional Pose Machines

    通过序列化网络(用级联小网络实现大网络的定位功能),逐步使定位更精确

    优点:在同等甚至更高的准确率下,提高速度,

    缺点:训练比较麻烦。

    深度残差网络

    优点:解决了梯度消失问题,增加网络层数,检测准确率不会降低。

    缺点:训练较难

    Style Transfer

    效果如下图(论文中的图片)

    利用CNN,保留物体信息。

    级联网络Cascade

    这是一种比较通用的思想。主要目的是:在不降低准确率的情况下,大大提高速度。

    基本原理:用多个小网络,实现一个大网络的功能,如 关键点定位、实时人脸识别。

    基本原理如下图,将前一级网络输出叠加到后一级网络输出,以避免梯度消失,也避免feature消失。

    DeepFashion

    公开了benchmark 服装数据库,包含大量标记,http://mmlab.ie.cuhk.edu.hk/projects/DeepFashion.html

    论文中所用方法FashionNet:结合global+local信息,在多项指标上提高效果。

  • 相关阅读:
    软件包的作用
    Sqlserver2008 表分区教程
    C#通用类型转换 Convert.ChangeType
    缓存 HttpContext.Current.Cache和HttpRuntime.Cache的区别
    用户信息 Froms验证票证
    .NET4.0 __doPostBack未定义
    TFS2012 安装 配置笔记
    MVC学习笔记一
    新博客..第一天..
    ORACLE多表查询优化
  • 原文地址:https://www.cnblogs.com/xbit/p/9722044.html
Copyright © 2011-2022 走看看