自编码器（Autoencoder, AE）是一种无监督学习的神经网络模型，它通过编码器和解码器的组合，实现了对输入数据的压缩和重构。自编码器由两部分组成：
2024-07-09 11:25
在计算机视觉领域，目标检测一直是研究的热点和难点之一。特别是在小目标检测方面，由于小目标在图像中所占比例小、特征不明显，
2024-07-04 17:25
如果你只对以分类为目的的微调感兴趣，那么惯用的做法是丢掉栈式自编码网络的“解码”层，直接把最后一个隐藏层的 \textstyle a^{（n）} 作为特征输入到softmax分类器进行分类，这样，分类器（softmax）的分类错误的梯度值就可以直接反向传播给
2019-06-11 16:09
作为计算机视觉中的基本视觉识别问题，目标检测在过去的几十年中得到了广泛地研究。目标检测旨在给定图像中找到具有准确定位的特定对象，并为每个对象分配一个对应的标签。近年来，
2022-02-11 08:51
自编码器若仅要求X≈Y，且对隐藏神经元进行稀疏约束，从而使大部分节点值为0或接近0的无效值，便得到稀疏自动编码算法。一般情况下，隐含层的神经元数应少于输入X的个数，因为此时才能保证这个网络结构的价值。
2019-06-11 15:07
的研究背景、意义及难点，接着对基于深度学习目标检测算法的两大类进行综述，即基于候选区域和基于回归算法.对于第一类算法，先介绍了基于区域的卷积神经网络(Region wi
2022-01-06 09:14
原文链接 1.程序讲解 （1）香草编码器 在这种自编码器的最简单结构中，只有三个网络层，即只有一个隐藏层的神经网络。它的输入和输出是相同的，可通过使用Adam优化器和均
2023-01-11 17:29
R-CNN 算法在 2014 年提出，可以说是历史性的算法，将深度学习应用于目标检测领域，相较于之前的目标检测方法，提升
2022-10-31 10:08
为验证本文算法对不同大小目标的检测精度, 实验中随机选取100张图片, 其中包含198个目标, 将其分为大、中、小三类. 由于该网络的输入图像尺寸为300××300,
2022-12-05 12:20
深度学习的效果在某种意义上是靠大量数据喂出来的，小目标检测的性能同样也可以通过增加训练集中小目标样本的种类和数量来提升。
2024-03-18 09:57
