對目標檢測，需要把物品用矩形框選出來
分割要每一個像素都要區分

CIFAR-10：高級的數據集，彩色

專業數據集：

AlexNet CV方向突破，ZF是小修小補


網絡介紹：
上下兩部分的原因：當時顯卡放不下，買了兩片

第二個卷積層

接下來三個卷積層，沒有馬上接池化，擴展像素，保證不變



可能大變化，常見噪聲，增加魯棒性

思考角度：不一定用大卷積核，但希望效果沒事，發現小核做深，效果更好
去搜！！！！：（感受野）

感受野：下面的5x5都能影響到最上面那個，深度加深，參數量卻少了

參數良很大

googlenet：提出Inception和Bottleneck

Inception：
平時用到的卷積濾波器，一般都是一樣的，但：應該用很多不同的，這樣特征更好

參數少了，256個濾波器，1x1的濾波器可以隨意降低通道數

參數量巨大，但右側Google就通過一種方法沒有參數了

微軟搞得：ResNet當年cvpr最佳
網絡非常深的時候，梯度很不穩定，殘差結構：有時跳過去，直接相加

首先用52層的無跳躍還不如20層的
搞了些跳躍連接，就不錯了

加深后，梯度不可預測，所以要想辦法控制，為什么有效？有很多流派

1132：bottlenet作用，通道數很大，參數太多，所以用改卷積核降下來，再升上去，參數就少了
多少個濾波器，能決定，深層的channel數
怎么挑：先找到，pre訓練，再微調
最近efficientNet
神經網絡：
1.訓練：訓練時要很多，很大內存
2.推理：很快，很少
后面實踐：

口罩識別：
看回放吧

總結

以上是生活随笔為你收集整理的飞桨第四节七日cv经典网络 2020.4.3的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。