iT邦幫忙

2023 iThome 鐵人賽

DAY 26
0

今天是大概的概念,training等細節留到明天

VGG-16

SSD的架構是使用VGG-16

  • 13個卷積層+3個全連接層+5個池化層
  • 其卷基層均使用3x3的filter,使每層與前一層保持相同寬和高
  • 池化層採用2x2,stride=2,池化後維持化前的½
  • 多個小卷積比少個大卷積學習參數少,計算量少,訓練更快,加深深度
  • SSD有對VGG-16稍作更改,例如有添加卷積層,在卷積層中使用空洞卷積

Single Shot MultiBox Detector (SSD)

  • 它使用不同深度的卷積層預測不同大小的目標
  • 每一卷積層由filters生成預測分數與偏移量
  • 在SSD裡面,他會有多個default box
  • 每個feature都要生成其關聯的default boxes的類別分數與偏移量
  • 這邊提一下在其他模型中(如Faster RCNN)有使用到anchor box的概念,那麼它和SSD提到的default box有什麼不同
    • Faster RCNN 在特徵圖上預設一個anchor box,先進行初步修正與篩選,之後再進行分類與回歸
    • SSD 在多個特徵圖上預設 default box(多尺度),並直接在這些default box上進行分類與回歸(單階段)

參考資料


上一篇
Day25-CNN 卷積神經網路(Convolutional neural network)
下一篇
# Day27-Single Shot MultiBox Detector (SSD) part2
系列文
什麼演算法?一起來學機器學習!30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言