摘要：今天的文章需要你有一定的卷积理论基础，这里不再重复卷积的知识点，并不理解的小伙伴可以自己去补全这块知识点。    深度神经网络有许多值得学习的网络结构，今天就给大家带来一个经典网络：VGG19。介绍VGG19之前呢，我们先来了解下什么是VGG,VGG是一个深度卷积神经网络模型，由牛津大学计算机视觉组（VisualGeometryGroup）于2014年提出，同时在ImageNet的分类、检测和定位三个任务上取得了第一名的好成绩。在VGG模型中，所有卷积层都使用了3×3大小的卷积核，并且池化层也都使用了2×2大小的池化核。VGG模型架构相对简单、规整，易于实现...

摘要：传统的深度神经网络在网络层数较深时，会出现梯度消失或者爆炸的问题，导致难以有效训练。ResNet通过引入“残差块”（ResidualBlock）的方式来解决这一问题。残差块中，利用跳跃连接的方式将输入的恒等映射直接加到后续的输出中，从而使得网络直接可以学习到对输入的差异性特征，避免这些信息因为多网络层的堆叠而丢失。此外，在ResNet的设计中还采用了批规范化、池化等常规技术，进一步提高了模型的性能。 大家好，上一期我介绍了VGG19这个深度神经网络，使用VGG19网络完成了一个多分类任务（手写汉字识别）。使用这样一个模型能够实现识别常用的3700多个汉字，当然，也对应着这3700个手写汉...

摘要：关于上一篇文章《深度学习-ResNet-50实现目标检测（基于PascalVOC数据集）》很多朋友提到说，作者你实现的属于分类任务，不属于目标检测。如果按照课本和其他教程上来说确实如此，但是呢，我还是理解为目标检测，从网络现实结合到现实问题，我个人保留自己的主观意见。这里建议大家按照课本的定义进行归纳。     大家好，上一期我介绍了使用ResNet实现了目标检测，检测图片中是否有指定的对象。但是一直缺少了标注的位置信息，所以看起来总是缺少了一部分内容。那么，今天我来完善一下，把边框信息也给识别出来吧。    &nbs...