我理解的深度學習名詞釋義——“多模態”
"模態"一詞原來在《自動控制原理》里面見過，但是到了深度學習，意思不太一樣了。 在Group Activity Recognition任務下，包含了多模態特征的fusion： 比如表觀特征和運動特征；（CNN+GNN） 比如backbone中的序列圖片I3D和單張RGB圖片的Pose ...
原文：我理解的深度學習名詞釋義——“多尺度”
RoIAlign 方法可以基於每個個體在場景中的邊界框從多尺度特征圖中獲得獨立個體的特征。 什么叫做 多尺度特征 多尺度特征 多尺度 特征 特征 feature ：圖像內某一對象與其他對象區別的信息 多尺度 variable scale muti scale ：深度網絡中 有n個conv kernel 可以將一張圖片 長 寬 ps:rgb應該是 的維度擴展至 長 寬 n，這就把一個高為 的長方體 ...
2021-11-18 15:55 0 1918 推薦指數：
相關推薦
深度學習中的多尺度模型設計
找到一篇關於理解多尺度很有幫助的一篇文章，特此記錄，原文如下： https://zhuanlan.zhihu.com/p/74710464 ...
關於尺度空間的理解
原文地址：http://blog.csdn.net/bigazrael/article/details/51016025 通常會聽到尺度變化等這類詞語，看到的也總是一堆的數學公式，有時候真的不知道這到底有啥用，有啥意義，沒有弄懂這些意義，當然就更不可能的理解，不可能去掌握應用它了，現在我才理解 ...
深度學習—卷積的理解
1、參數共享的道理 如果在圖像某些地方探測到一個水平的邊界是很重要的，那么在其他一些地方也會同樣是有用的，這是因為圖像結構具有平移不變性。所以在卷積層的輸出數據體的55x55個不同位置中，就沒有必要重新學習去探測一個水平邊界了。 在反向傳播的時候，都要計算每個神經元對它的權重的梯度 ...
深度學習—BN的理解（二）
神經網絡各個操作層的順序： 1、sigmoid,tanh函數：conv -> bn -> sigmoid -> pooling 2、RELU激活函數：conv -> ...
深度學習—BN的理解（一）
原博客：https://www.cnblogs.com/eilearn/p/9780696.html 0、問題 機器學習領域有個很重要的假設：IID獨立同分布假設，就是假設訓練數據和測試數據是滿足相同分布的，這是通過訓練數據獲得的模型能夠在測試集獲得好的效果的一個基本保障 ...
深度學習anchor的理解
摘抄與某乎 anchor 讓網絡學習到的是一種推斷的能力。網絡不會認為它拿到的這一小塊 feature map 具有七十二變的能力，能同時從 9 種不同的 anchor 區域得到。擁有 anchor 的 rpn 做的事情是它已知圖像中的某一部分的 feature（也就是滑動窗口 ...
深度學習—BN的理解（一）
0、問題 機器學習領域有個很重要的假設：IID獨立同分布假設，就是假設訓練數據和測試數據是滿足相同分布的，這是通過訓練數據獲得的模型能夠在測試集獲得好的效果的一個基本保障。那BatchNorm的作用是什么呢？BatchNorm就是在深度神經網絡訓練過程中使得每一層神經網絡的輸入保持相同 ...