做得是3*3的卷积,那不是有9个anchor么,那怎么会是2*9个结果呢,我感觉是1个anchor才对应2*9个结果吧?望告知,多谢!
不同ROI是拼接在一起后进行全连接么,还是各自做全连接?举个例子,如果有2000个ROI的话,是做了2000个全连接,还是只有一个全连接。还请告知
请问一下,feature map不是有很多个通道么?anchor boxes怎么扫描呢?每次是对所有通道一起扫描,还是只扫描一张feature map?还望告知,多谢
请问一下,此时只是判断这些区域是不是物体吧?应该还没有具体分类是什么物体吧?
还是不太懂为什么要把重合度在20%以下的负样本剔除。一是可以减少负样本数量,第二个原因没听懂,能告知么?
老师请问,第一个批次在第一个卷积层训练出来了均值和方差,第二个批次也在第一层训练出均值和方差,那么不同批次之间的均值和方差要做什么处理呢?
请问一下,这里为什么要除以255?视频中说是归一化?
随机梯度下降不是采用一个样本么,怎么是batch?怎么不是BGD?
图像大小变大的话,那么经过同样的卷积池化操作,得到的全连接层前的feature map大小将大于7*7,此时用
7*7卷积核的话就达不到全连接的效果了呀,所以还是没懂为啥用conv代替全连接。望告知,多谢
能再为我解释一下为什么参数初始化的时候绝对值太大的话,更容易梯度爆炸或消失?多谢
这行代码的作用是啥,我把这行删了代码也可以跑起来
是不是可以理解为:无论是黑白照片还是彩色照片,输入结点都是每个像素点,只不过区别是黑白照片每个输入结点是一层的,而彩色照片的每个输入结点是多层的。还请告知,多谢
感受野可大可小,最大的情况是整张图片的所有像素点。那么第一层卷积层感受野最小的情况就是感知一个像素点么?也就是三个维度(三个节点么)
请问一下,老师说的每个像素点的值其实是有三个值(RGB)么?某个输入节点代表的是某一个像素点的某一个通道的值么?还请告知,多谢!
请问一下,1.彩色图片有三个通道的话,那么这三个通道(rgb)是怎么构成不同的颜色的?每个网格代表了三个维度
(三个输入节点么)?
2.感受野可以理解为第一个隐藏层每个神经元观测到网格数量的大小么?
非常抱歉给您带来不好的体验!为了更深入的了解您的学习情况以及遇到的问题,您可以直接拨打投诉热线:
我们将在第一时间处理好您的问题!
关于
课程分类
百战程序员微信公众号
百战程序员微信小程序
©2014-2024 百战汇智(北京)科技有限公司 All Rights Reserved 北京亦庄经济开发区科创十四街 赛蒂国际工业园网站维护:百战汇智(北京)科技有限公司 京公网安备 11011402011233号 京ICP备18060230号-3 营业执照 经营许可证:京B2-20212637