謦伊的閱讀筆記

Batch Normalization 介紹

隨著神經網路越來越深，為了使模型更加穩定，Batch Normalization 已成了目前神經網路的標準配備之一，本文就要來介紹什麼是 Batch Normalization

Google 於 2015 年提出了 Batch Normalization 的方法，和輸入數據先做 feature scaling 再進行網路訓練的方法類似。在輸入數據時，通常都會先將 feature 做 normalize 後再進行訓練，可以加速模型收斂；而 Batch Normalization 就是指在每一層輸入都做一次 normalize

影像分割 Image Segmentation — 語義分割 Semantic Segmentation(1)

深度學習在 Computer Vision (CV) 領域的幾項重要任務應用分別有 Image Classification (影像分類)、Object Detection (物件偵測)、Image Segmentation (圖像分割)，其中 Image Segmentation 是針對像素進行檢測分類，能應用於美顏化妝、人物肖像、自動駕駛、生物醫學、智慧畜牧等任務上。

2022/02/21 update

卷積神經網絡 CNN 經典模型 — LeNet、AlexNet、VGG、NiN with Pytorch code

自監督式學習 Self-Supervised Learning for Computer Vision 之概述

卷積神經網絡 Convolutional Neural Network (CNN)

自從 AlexNet 在 ImageNet LSVRC 比賽中，以懸殊的差距奪得了冠軍，開啟了 CNN 時代。接下來的ImageNet冠軍都是使用 CNN，並且層次越來越深，使得CNN 成為在影像識別分類的核心演算法模型，帶來了深度學習的大爆發

在介紹前，先來談談為何不使用多層感知機 (Multilayer Perceptron，MLP) 神經網路 (全連接層的架構) 來處理影像

YOLO-fastest + NCNN on Raspberry Pi 4 教學

本文將要來介紹一個輕量 YOLO 模型 — YOLO-fastest 以及如何訓練、NCNN 編譯，並且在樹莓派4 上執行