superpoint
superpoint **詳解
深度學習用於特徵提取 : superpoint網路
筆記： superpoint: self supervised interest point detection and description 深度學習特徵點檢測
*《superpoint:self-supervised interest point detection and description》筆記
[**解讀]superpoint**解讀
superpoint學習—demo**理解
1.整個訓練分為magicpoint和superpoint的訓練。
其中superpoint的自訓練的自監督方法，就需要借助magicpoint實現。
1）特徵點訓練
首先需要確定自訓練的真值。這個真值是通過現將ms-coco進行單應性變換，隨後將變換後的影象在magicpoint框架中訓練得到特徵點heatmap，累加heatap得到最終heatmap，使用閾值擷取獲得每個位置上的特徵點，作為真值。
隨後就可以magicpoint得到的真值進行訓練。
2）描述子訓練
描述子的真值不易確定，因此這裡採用loss進行優化。
首先對原始影象進行warp，由於已知warp前後特徵點的對應關係，可以對對應點求loss，優化使匹配點間的距離小，非匹配點間距離大，即可獲得描述子真值。
深度學習學習筆記
神經網路的隱含層越多 模型引數越多，模型擬合能力更強，同時訓練的難度也會增加。減少模型引數的方法有兩種 逐層訓練和權重共享。權重共享思路是現有深度學習的基礎，它大大減少了模型的引數。深度學習並不需要很多的人工特徵工程，利用其強大的建模能力來代替，整個訓練的過程是端到端的過程 end to end 其...
深度學習筆記
在深度神經網路中，通常使用一種叫修正線性單元 rectified linear unit，relu 作為神經元的啟用函式。relu函式其實是分段線性函式，把所有的負值都變為0，而正值不變，這種操作被成為單側抑制。可別小看這個簡單的操作，正因為有了這單側抑制，才使得神經網路中的神經元也具有了稀疏啟用性...
深度學習筆記
如果沒有啟用函式，或則是線性啟用函式，g z z,那麼在深度神經網路中，相當於都做的是線性變換，多個線性變換的組合還是線性變換。這樣的結果和邏輯回歸沒什麼區別，也就是說，這種情況下，無論神經網路的深度有多深，也就等價於乙個一層的網路，隱藏層沒什麼作用。因此需要非線性啟用函式。1.什麼時候插入，ski...