我理解的深度学习名词释义——“多模态”
"模态"一词原来在《自动控制原理》里面见过，但是到了深度学习，意思不太一样了。 在Group Activity Recognition任务下，包含了多模态特征的fusion： 比如表观特征和运动特征；（CNN+GNN） 比如backbone中的序列图片I3D和单张RGB图片的Pose ...
原文：我理解的深度学习名词释义——“多尺度”
RoIAlign 方法可以基于每个个体在场景中的边界框从多尺度特征图中获得独立个体的特征。 什么叫做 多尺度特征 多尺度特征 多尺度 特征 特征 feature ：图像内某一对象与其他对象区别的信息 多尺度 variable scale muti scale ：深度网络中 有n个conv kernel 可以将一张图片 长 宽 ps:rgb应该是 的维度扩展至 长 宽 n，这就把一个高为 的长方体 ...
2021-11-18 15:55 0 1918 推荐指数：
相关推荐
深度学习中的多尺度模型设计
找到一篇关于理解多尺度很有帮助的一篇文章，特此记录，原文如下： https://zhuanlan.zhihu.com/p/74710464 ...
关于尺度空间的理解
原文地址：http://blog.csdn.net/bigazrael/article/details/51016025 通常会听到尺度变化等这类词语，看到的也总是一堆的数学公式，有时候真的不知道这到底有啥用，有啥意义，没有弄懂这些意义，当然就更不可能的理解，不可能去掌握应用它了，现在我才理解 ...
深度学习—卷积的理解
1、参数共享的道理 如果在图像某些地方探测到一个水平的边界是很重要的，那么在其他一些地方也会同样是有用的，这是因为图像结构具有平移不变性。所以在卷积层的输出数据体的55x55个不同位置中，就没有必要重新学习去探测一个水平边界了。 在反向传播的时候，都要计算每个神经元对它的权重的梯度 ...
深度学习—BN的理解（二）
神经网络各个操作层的顺序： 1、sigmoid,tanh函数：conv -> bn -> sigmoid -> pooling 2、RELU激活函数：conv -> ...
深度学习—BN的理解（一）
原博客：https://www.cnblogs.com/eilearn/p/9780696.html 0、问题 机器学习领域有个很重要的假设：IID独立同分布假设，就是假设训练数据和测试数据是满足相同分布的，这是通过训练数据获得的模型能够在测试集获得好的效果的一个基本保障 ...
深度学习anchor的理解
摘抄与某乎 anchor 让网络学习到的是一种推断的能力。网络不会认为它拿到的这一小块 feature map 具有七十二变的能力，能同时从 9 种不同的 anchor 区域得到。拥有 anchor 的 rpn 做的事情是它已知图像中的某一部分的 feature（也就是滑动窗口 ...
深度学习—BN的理解（一）
0、问题 机器学习领域有个很重要的假设：IID独立同分布假设，就是假设训练数据和测试数据是满足相同分布的，这是通过训练数据获得的模型能够在测试集获得好的效果的一个基本保障。那BatchNorm的作用是什么呢？BatchNorm就是在深度神经网络训练过程中使得每一层神经网络的输入保持相同 ...