取自郑烨大佬的分享。
根据模型感受野，anchor的长宽比，图片的长宽比来确定上面这两个数字。
链接1链接2
a、在线加权采样（1、按照类别数量比例加权 2、按照图片类别丰富程度加权）
b、OHEM等基于loss的采样
a、图片拼接（先用rpn训练一下正常图片与带目标的图片的拼接图片，然后把上一步中训练出来的模型初始化一下新的rpn用来训练只带目标的图片）
b、抠图+粘贴（也就是常说的填鸭法）
c、做差、通道拼接
包括四个部分（Backbone、Head、Substructure、Post-processing）
本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：目标检测比赛的trick - Python技术站
最近有了突如其来的想法，如何把caffe的变得更小更快。后来翻到Nvidia开发caffe-float16，同时也看到它的论文。看完大致了解一番后，就做一下记录。 该工作的目标是，减少网络的所需的内存大小和提升网络的 inference（推理）速度。nvidia通过才用自己开发的 float16 半精度 cuda_fp16.h 数据类型，在forward和b…
1.循环核： ht在每一时刻被更新，三个矩阵则是只有在反向传播的时候才更新。 循环核按照时间步展开： 循环计算层： tf描述循环计算层: 。 onehot对单词进行编码时，过度浪浪费空间。 embedding：
前面的教程里我们使用的网络都属于前馈神经网络。为什么叫前馈是整个网络是一条链（回想下gluon.nn.Sequential），每一层的结果都是反馈给下一层。这一节我们介绍循环神经网络，这里每一层不仅输出给下一层，同时还输出一个隐藏状态，给当前层在处理下一个样本时使用。下图展示这两种网络的区别。 循环神经网络的这种结构使得它适合处理前后有依赖关系的样本。我们拿…
LSTM（Long Short-Term Memory）是长短期记忆网络，是一种时间递归神经网络，适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。 LSTM能够很大程度上缓解长期依赖的问题。 LSTM的形象描述 RNN是傻子式的记忆，把所有的事情都记下来，这很容易记忆混乱。 LSTM不同的地方是学会了思考、总结，而且思考方式很符合人类的思维。 …
ii=tf.constant(0,dtype=tf.int32) loop__cond=lambda a: tf.less(a,sentence_length) loop__vars=[ii] def __recurrence(ii): #前面的0到sentence_length-1的下标，存储的就是最原始的词向量，但是我们也要将其转变为Tensor new…
卷积步长（ Strided convolutions） 卷积中的步幅是另一个构建卷积神经网络的基本操作。 如果你想用 3×3 的过滤器卷积这个 7×7 的图像，和之前不同的是，我们把步幅设置成了2。你还和之前一样取左上方的 3×3 区域的元素的乘积，再加起来，最后结果为 91。 只是之前我们移动蓝框的步长是 1，现在移动的步长是 2，我们让过滤器跳过 2 个…
在训练神经网络时，最好是对一个batch的数据进行操作，同时还需要对数据进行shuffle和并行加速等。对此，PyTorch提供了DataLoader帮助我们实现这些功能。 DataLoader的函数定义如下： DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, num_workers…
常说的概率是指给定参数后，预测即将发生的事件的可能性。拿硬币这个例子来说，我们已知一枚均匀硬币的正反面概率分别是0.5，要预测抛两次硬币，硬币都朝上的概率： H代表Head，表示头朝上 p(HH | pH = 0.5) = 0.5*0.5 = 0.25. 这种写法其实有点误导，后面的这个p其实是作为参数存在的，而不是一个随机变量，因此不能算作是条件概率，更靠…
微信扫一扫 
支付宝扫一扫