PointRCNN：3D目标检测
PointRCNN：3DObjectProposalGenerationandDetectionfromPointCloudPointRCNN是CVPR2019录用的一篇三维目标检测论文。原始点云的3D目标检测，只用点云作为输入。提出一种新的3D物体检测器，用于从原始点云中检测3D物体。所提出的Stage-1网络以自下...
Gated CNN 阅读笔记
之前看过TCN，稍微了解了一下语言模型，这篇论文也是对语言模型建模，但是由于对语言模型了解不深，一些常用数据处理方法，训练损失的计算包括残差都没有系统的看过，只是参考网上代码对论文做了粗浅的复现。开学以来通过看的几篇论文及复现基本掌握了tensorflow的基本使用，了解了“数据处理-模型构建-训练“的处理问题基本流程...
Language Modeling with Gated Convolutional Networks(句子建模之门控CNN）--模型简介篇
最近忙着实验室的项目，一直没有时间做仿真，所以就先写一下之前看的一篇文章，总结一下吧。这次要说的是GatedCNN，这也是第一次将门限控制引入到CNN中的文章，感觉十分有新意，效果也很棒。下面我们来看一下，文章的主要贡献包括：提出一种新的门控机制缓解梯度传播，降低梯度弥散等现象相比LSTM，模型更加简单，收敛速度更快模...
pytorch faster_rcnn
代码地址：https://github.com/jwyang/faster-rcnn.pytorch 1.fasterRCNN.train():这个不是让网络进行训练，而是让moduleintrainingmode，有些module在traingmodel和testingmodel下不同,比如bn即self....
cascade rcnn论文总结
1.boudingboxregression总结： rcnn使用l2-loss 首先明确l2-loss的计算规则： L∗=(f∗(P)−G∗)2，∗代表x,y,w,h 整个loss: L=Lx+Ly+Lw+Lh ...
cascade rcnn
在regionproposal阶段采用不同的iou。第一幅图，不同颜色的线是用不同的regionproposal的iou阈值，横坐标是regionproposal生成的框与gt的原始iou，纵坐标是未经过训练的框经过boundingboxregression后生成的新框与gt的iou，发现0.5...
faster-rcnn anchor_target_layer、rpn_proposal_layer、proposal_target_layer
fasterrcnn中这三层是单独生成的层,也是复现最复杂的层anchor_target_layer作用:从众多的anchor中选取出正负样本供rpn网络学习(实际上就是把anchor和gt进行配对,配对后将这一对送给loss进行训练). 注意的点:从众多的anchor中随机选取128个正样本(iou&...
mask rcnn和roi-align
faster-rcnn的github源码中是round四舍五入但kaiminghe的ppt是直接取整 １．讲roi-align和roi-pooling区别并且详细阐述roi-align过程的博客：http://blog.leanote.com/post/afanti/b5f...
faster rcnn细节总结
1.roi_pooling层是先利用spatial_scale将regionproposal映射到featuremap上，然后利用pooled_w、pooled_h分别将映射后的框的长度、宽度等分形成bin，最后对每个bin进行max_pooling，这其实就是一个spp-net的过程（只不过sppnet使用多个等分尺...