[論文] Network In Network === ###### tags: `paper notes` 為了有更整合式的閱讀體驗及筆記整合，全文已搬移至個人 [Github page](https://allen108108.github.io/blog/) 頁面。 此文部落格文章連結 : https://allen108108.github.io/blog/2019/10/07/[%E8%AB%96%E6%96%87]%20Network%20In%20Network/
Last changed by  
 
Allen Tzeng
1113

Read more

[論文] You Only Look Once : Unified, Real-Time Object Detection

:::info ::: 概要 Abstrct 在這篇論文中，作者推出了一個嶄新的物件偵測方式 -- YOLO。原本的物件偵測任務是利用分類器來進行，但在 YOLO 中，作者們將物件偵測視為一個回歸任務，來從空間中分割出邊界框 ( Bounding Box )並且計算出類別機率。僅利用一個神經網路進行一次計算來直接預測邊界框及類別機率，也因為整個偵測過程只有使用單一個神經網路，因此可以視為是一個 End-to-End 的優化過程。 這樣統一的架構的執行速度十分快速，YOLO 執行圖像任務上可以達到即時每秒 45 幀。而另外一個較小型的版本 Fast YOLO 不僅可以達到每秒 155 幀的執行速度，mAP ( Mean Average Precision ) 也是其他即時物件偵測系統的兩倍。 跟其他的物件偵測系統相比，YOLO 雖然有較高的定位誤差，但在背景的預測上不太可能出現 False Positive 的狀況。最後，YOLO 不論在自然圖像或是藝術圖像等領域上，相較於其他的偵測法，如 DPM 及 R-CNN， 可以學習到泛化性更好的物體表示法。

11/14/2023
林軒田機器學習基石筆記 - 第三講、第四講

9/30/2019
Unsupervised Learning --- Word Embedding

9/27/2019
Transfer Learning 遷移學習

8/1/2019
Read more from Allen Tzeng
Published on HackMD