第十一周学习周报
一、本周学习情况
1、学习了吴恩达老师微专业课《深度学习工程师》
第二篇:改善深层神经网络:超参数调试、正则化以及优化
第三周内容:超参数调试、Batch正则化和程序框架
2、看了李飞飞深度学习计算机视觉的目标识别与检测部分
3、看完了上个星期的没看完的论文《Mask R-CNN》
4、跑了faster-rcnn代码,还没跑通
二、学习笔记
Mask-RCNN 来自于年轻有为的 Kaiming 大神,通过在 Faster-RCNN 的基础上添加一个分支网络,在实现目标检测的同时,把目标像素分割出来。Mask-RCNN,就是在 RCNN 的基础上添加 Mask。
Mask-RCNN是一个实例分割(Instance segmentation)算法,可以用来做“目标检测”、“目标实例分割”、“目标关键点检测”。
特点:
Mask R-CNN 是在Faster R-CNN上的扩展—-在其已有的用于边框识别的分支上添加一个并行的用于预测目标掩码的分支。
训练简单。仅比Faster R-CNN多一点计算开销,5fps。
易于泛化到其他任务。比如估计人类姿态。
实验:实例分割、边界框目标检测和人物关键点检测。
没使用fine-tuning的情况下,Mask R-CNN的表现超越了在每个任务上已有的所有single-modle entries。
三、下周学习计划
1、继续学习吴恩达老师的微专业课程
2、继续把faster-rcnn跑起来
3、看一些源码