Hacks on Computer Vision

第1期 HackCV 日报

2017.09.27

简单明了的介绍了深度学习在目标检测中的应用,主要包括R-CNN及其改进的版本和SSD,推荐看看R-CNN的改进过程,实际上也是算法模型不断演进探索发展的过程。

反向传播作为监督学习的利器,是当前训练深度学习模型的常见方法。在1986年就以BP进行学习表示发表论文的Hinton督促科研学者不要沉迷于BP,监督学习只是模拟人脑学习的一种,要勇于发明新的优化方法,解决非监督学习的优化问题。

Keras是个简单易用的深度学习工具,可以说是深度学习的前端语言。本文对其支持的四个后端框架TensorFlow、CNTK、Theano和MXNet进行了一组对比,发现各大框架各有优点,CNTK对RNN效果较好,TensorFlow对CNN较好,MXNet因为支持有限但测试的性能都比较高。对于框架的选择,性能是一方面,如何快速构建系统以及有良好的文档和社区支持也很重要。

__EOF__

本文作者HackCV
版权声明本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处!
本文链接https://hackcv.com/daily/%E7%AC%AC1%E6%9C%9F-hackcv-%E6%97%A5%E6%8A%A5/

发表评论