針對不同的物體大小（object scales），傳統的方法將影象轉化成不同的大小，分別處理然後把結果綜合。ssd例項說明（1）基本網路這裡ssd從不同的卷積層利用featuremap，可以達到同樣的效果生成**的方法如下圖所示：
ssd-feature map.png
最左側是選取的神經網路中的乙個「影象」層
每個層做3個處理：
（1）生成loc**，厚度4 x box
（2）生成類別**，厚度21(類別) x box
（3）生成priorbox，這裡面有個box大小範圍、寬長比(2 3)等等
prior_box_param
layer name
"影象"規格
input
3x300x300
conv1_1
64x300x300
conv1_2
64x300x300
pool_1
64x150x150
conv2_1
128x150x150
conv2_2
128x150x150
pool_2
128x75x75
conv3_1
256x75x75
conv3_2
256x75x75
conv3_3
256x75x75
pool_3
256x38x38
conv4_1
512x38x38
conv4_2
512x38x38
conv4_3
512x38x38
pool_4
5121919
conv5_1
512x19x19
conv5_2
512x19x19
conv5_3
512x19x19
-----------
vgg昏割線
fc6(convolution kernel dilation)
1024x19x19
fc71024x19x19
conv6_1
256x19x19
conv6_2
512x10x10
conv7_1
128x10x10
conv7_2(10-3+1*2)/2+1
256x5x5
conv8_1
128x5x5
conv8_2
256x3x3
pool6
25611
選取提取特徵的層
layer name
"影象"規格
特徵生成
特徵說明
conv4_3
512x38x38
mbox-loc conv
38x38x12(=3x4)
mbox-conf conv
38x38x63(=3x21)
prior-box
box min:30
fc71024x19x19
mbox-loc conv
19x19x24(=6x4)
mbox-conf conv
19x19x126(=6x21)
prior-box
box min:60 max:114
conv6_2
512x10x10
mbox-loc conv
10x10x24(=6x4)
mbox-conf conv
10x10x126(=6x21)
prior-box
box min:114 max:168
conv7_2
256x5x5
mbox-loc conv
5x5x24(=6x4)
mbox-conf conv
5x5x126(=6x21)
prior-box
box min:168 max:222
conv8_2
256x3x3
mbox-loc conv
3x3x24(=6x4)
mbox-conf conv
3x3x126(=6x21)
prior-box
box min:222 max:276
pool_6
256x1x1
mbox-loc conv
1x1x24(=6x4)
mbox-conf conv
1x1x126(=6x21)
prior-box
box min:276 max:330
loc-conf.png
所以對一張圖一共提供：
38x38x3+(19x19+10x10+5x5+3x3+1x1)x6=7308個detection
每個detection包括4個值表示位置和21個值表示每個類的概率
為了實現ssd，原生的caffe是不行的
要定義新層：
normalize
permute
multiboxloss等
一篇定義新層的方法如下所示：
已知乙個神經網路，選特定層，再後面加：
layer
param
convolution_param
bias_filler
}}layer
}layer
}layer
param
convolution_param
bias_filler
}}layer
}layer
}layer
}
選擇排序 直接選擇排序
演算法思想 在每一趟的排序中，從待排序列中選出關鍵字最小或者最大的元素放在其最終的位置上 過程分析 在第i趟直接排序中，通過n i次關鍵字的比較，從n i 1個元素中選出關鍵字最小的元素 與第i個元素進行交換。經過n 1趟比較，直到表有序為止 效能分析 時間複雜度o n 2 include defi...
模型選擇與特徵選擇
模型選擇 對備選的m個模型 a1，a2，a3，am 分別計算每個模型的誤差 可以用所有樣本訓練誤差或者k重交叉檢驗 k一般取10，k越大對資料的利用率越高 得到的誤差，總之用一種手段評判模型的好壞 然後選擇其中最好的乙個。特徵選擇 1 前向搜尋 設定初始特徵集為空，然後逐步新增特徵，如選擇加入後能使...
選擇現實，還是選擇愛情？
很多人不相信愛情。他們單純的相信著，愛情只有在童話故事裡存在，是人類臆想出來的虛無縹緲的產物。只有落在地上的房子和寫在銀行卡上的數字才是實際的存在。於是我們看到很多人在選擇愛情的時候，有了很多標準，要具備哪些條件，才會去戀愛。當然，大部分還是沒有那麼極端的，還是願意相信愛情的。只是有另外一些理由支援...