营销型网站建站推广,外链的论坛网站,佛山网站建设公司怎么样,网站推广的资源合作推广1、Tensor维度变换1)Flatten作用#xff1a;将输入tensor中从start_axis维度到end_axis维度合并为1维2)Reshape作用#xff1a;将输入Tensor描述转换为新的shape3)FreespaceExtract作用#xff1a;将h维变成1#xff0c;其他维度不变#xff0c;从而完成对h的采样#xf…1、Tensor维度变换1)Flatten作用将输入tensor中从start_axis维度到end_axis维度合并为1维2)Reshape作用将输入Tensor描述转换为新的shape3)FreespaceExtract作用将h维变成1其他维度不变从而完成对h的采样采样值所在位置由输入的index参数决定4)Pack作用Pack算子为TensorFlow原生算子最新的版本已经改名为Stack。该算子以指定的轴axis将一个维度为R的张量数组转变成一个维度为R1的张量。5)Pad作用进行数据扩充6)Permute作用调整Tensor的输入维度顺序7)ShuffleChannel作用调整C维的排序使用网络ShuffleNet8)Title作用将输入数据在每个维度上复制指定次数来生成输出数据2、Tensor单个元素运算1)Rsqrt公式y 1 / sqrt{x}2)Scale公式y(x)scale*xbias3)AbsVal公式y(x)|x|4)Power公式f(x) (scale * x shift) ^ power3、分类Softmax公式作用通常作为分类网络的最后一层输出每类的概率4、画框1)ClipBoxes作用将输入的框坐标限制在[0,img_w-1]和[0,img_h-1]之间。2)DecodeBoxes作用将输入框的长宽坐标转换为描点坐标(框中心点坐标和长宽)然后进行修正修正后再替换回长宽坐标3)DetectPostProcess作用(1)对输入的框进行修正(2)按照得分进行排序(3)使用NMS进行过滤(4)每个分类取前N个框输出。4)FasterRcnnPredictions作用获取得分最高的N个框需要进行NMS处理。使用网络MaskRcnn5)FSRDectionOutput作用获取得分最高的N个框需要进行NMS处理输入数据每个分类的得分数据、roi坐标、roi偏移、feature map的长和宽使用网络FasterRcnn6)GenerateRPNProposals作用根据输入rois坐标和得分输出排序和NMS处理后的前N个框框坐标形式为左上角和右下角使用网络Mask Rcnn7)Proposal作用根据锚点前后得分、锚点偏移、原始图片的长宽缩放来获取得分最高的N个预选框特点对特征图上的每个点生成scale*ratio个固定大小的窗口即候选窗口是该算子生成的。8)SsdDetectionOutput作用用来生成预测框相对原图的真实坐标并对所有预测框进行过滤得到最终物体检测的结果。输出的每个预测框的信息包括image id ,lable, confidence以及四个坐标值。使用网络SSD8)SsdPriorBox作用生成预选框使用网络SSD5、拼接Concat实现多个算子的拼接6、旋转/缩放/平移/剪切spatial transform参考https://blog.csdn.net/qq_39422642/article/details/78870629作用在CNN之前对feature map进行旋转、缩放、平移、剪切等操作使用网络Spatial Transformer Networks(STN)————————————————版权声明本文为CSDN博主「gapostal」的原创文章遵循CC 4.0 BY-SA版权协议转载请附上原文出处链接及本声明。原文链接https://blog.csdn.net/zhuhaodonglei/article/details/100014178
