CV—cs231n二刷

---

---

cs231n.stanford.edu

cv应用

图像分类、目标检测、人脸识别、语义分割、风格迁移、GAN生成、VQA多模态、点云分割、姿态估计、游戏学习等

优化训练

避免后期训练还在大幅震荡，可以直接在反向传播更新权重 w+=-lr * dx 时再除上一个随训练epoch不断提高的偏置，越到后期越稳定 最后模型不学习停止更新，这也是AdaGrad优化算法的思想（还能继续更新的是RMSProp，现在的主流是Adam，Adam=RMSProp+动量）
这和衰减学习率效果是一样的，这样操作可以使我们可以使用较大的学习率，前期训练的也更快

牛顿法

牛顿法是二阶优化算法，考虑曲率，二阶导数可以明显加快收敛的速度
知道了损失函数，牛顿法通过Hessian矩阵近似描述了平面的弯曲程度，可以直接到这个近似的最低点，收敛速度比梯度下降更快。但Hessian矩阵太大，大模型、大数据 计算不了，所以这个优化算法用不了（拟牛顿法BGFS、L-BGFS对此有优化，但还是不够 没用）

HOG

图像卷积算法的输入，可以把方向梯度直方图HOG特征也作为输入，它很好地描述了目标的表象和形状 梯度 边缘的方向密度分布

YOLO

YOLO很快，它打破了主流的目标检测思想，他将检测问题直接当作回归问题来处理，这是一个很简洁的方法，训练速度很快
将全图划分为S×S的格子， 每个格子负责对落入其中的目标进行检测，一次性预测所有格子所含目标的边界框、置信度、以及每一类预测分类的评分
缺点就是输出数量有限制 很小的识别不到，但综合来看，它还是特别好的

Object Detection code links:
R-CNN
(Cafffe + MATLAB): https://github.com/rbgirshick/rcnn
Probably don’t use this; too slow
Fast R-CNN
(Caffe + MATLAB): https://github.com/rbgirshick/fast-rcnn
Faster R-CNN
(Caffe + MATLAB): https://github.com/ShaoqingRen/faster_rcnn
(Caffe + Python): https://github.com/rbgirshick/py-faster-rcnn
YOLO
http://pjreddie.com/darknet/yolo/

风格迁移

最好优化算法使用torch.optim.LBFGS
因为风格迁移的数据集不大，这是一个用单张图的很好的优化问题，只要做后向传播就好了，所以很适合用LBFGS的应用场景，二阶的办法会比Adam好很多

GAN

语义分割

实例分割

LSTM

一个式子快速理解LSTM

DL框架

torch一键安装，灵活性更高，并且可以手动定义覆写各种模型和前后传播 适合研究，还有各种预训练模型 适合fine-tuning
torch底层是lua语言，它是专门写嵌入式相关的所以很高效，实时编译 循环很快

tensorflow是完全由工业界主导的框架，所以更好的用于生产，更好的编码质量和测试覆盖，还可以可视化计算图等 tensorboard可视化调试工具，很好的支持多GPU 分布式并行 并且通信直接计算更有效率。
但缺点是，安装还有各种报错太多，并且没什么预训练模型，源码也很复杂难懂，适用于不需要怎么创新的工业应用稳定的

GPU相关