解读Depth Map Prediction from a Single Image using a Multi-Scale Deep Network （3）

上一次讨论了几点：

1，单目深度估计的CNN设计结构

2，两层网络的结构和作用,Global Coarse-Scale Network, Local Fine-Scale Network

3，训练的整体过程

今天主要是掌握CNN反向传播的过程，主要是借鉴一篇博客，可以和我一块学习，点击打开链接

激活函数Relu的作用：

1，f(x) = max(0,x)

2，比sigmoid计算小; 减轻梯度消失问题;

全连接网络的缺点：

1，参数数量太多

2，没有利用像素之间的相对信息

3，网络层数限制

相比全连接网路，卷积网络的优势：

1，局部连接

2，权值共享

3，下采样

PS：如果看到这里，你仍然一脸懵比，可以看（1）中的超链接，CNN讲解

网络结构

它的常见构架模式为：

INPUT -> [ [CONV]*N -> POOL? ]*M -> [FC]*K

即N个卷积层叠加，然后可选叠加一个Pooling层，重复这个结构M次，最后叠加K个全连接层

上图可以写为：

INPUT -> [ [CONV]*1 -> POOL ]*2 -> [FC]*2

对上图更为精细的解释：

1，可以发现第一个卷积得到三个Feature Map，是因为该卷积层包含3个Filter，三套参数，Filter的数目是一个超

参数

2，Pooling层对三个Feature Map做了下采样得到三个更小的Feature Map_1

3，接着是第二个卷积层，它有5个Filter，每个Filter把之前的Feature Map_1卷积在一起，得到一个新的

Feature Map_2，这一共有5个

4，进行第二次Pooling，得到5个小的Feature Map，记为Feature Map_3

5，全连接层，第一个全连接层的每个神经元分别与上一层的5个Feature Map中每个神经元相连

举个例子：假设Feature Map_3是一个3×3的矩阵，那么第一个全连接层一共有

3×3×5 = 45 个神经元

6，第二个全连接层（输出层）与第一个全连接层一一相连，即也有45个

卷积层计算示例这里略去，但是推荐一看！可以学到一些东西：

1，卷积计算方式

2，stride的物理意义

3，计算Feature Map的尺寸大小公式

4，深度为D的卷积计算公式

5，Zero Padding的物理意义

6，简洁的卷积写法

从中的却可以体会到局部连接和权值共享的含义。

简单的计算：

对于两个3×3×3的filter卷积层来说，其参数数量仅有 (3×3×3+1)×2 = 56 个

Pooling层计算（比较简单）

基础打得比较稳了，下次看“卷积神经网络的训练”

解读Depth Map Prediction from a Single Image using a Multi-Scale Deep Network （3）相关推荐

学习笔记-Depth Map Prediction from a Single Image using a Multi-Scale Deep Network
Depth Map Prediction from a Single Image using a Multi-Scale Deep Network 在这篇了论文中,我们提出了一种估计单张图片深度信息的 ...
Semi-Supervised Deep Learning for Monocular Depth Map Prediction
研究背景监督学习通常需要大量的标记数据作为监督信号,标记数据通常由雷达或者深度相机获取,通过以上两种方式得到的数据稀疏且有噪声,相机之间的标定也不是很准确. 无监督学习,基于立体图像匹配的深度图重建 ...
源码解读_Go Map源码解读之Map迭代
点击上方蓝色"后端开发杂谈"关注我们, 专注于后端日常开发技术分享 map 迭代本文主要是针对map迭代部分的源码分析, 可能篇幅有些过长,且全部是代码, 请耐心阅读. 源码位置 ...
Python+OpenCV：立体图像深度图（Depth Map from Stereo Images）
Python+OpenCV:立体图像深度图(Depth Map from Stereo Images) 理论 If we have two images of same scene, we can g ...
16位深度图（depth map）伪彩色化（pseudo colorize）的代码
本文记录将 16 位的深度图伪彩色化的代码. 注意,DepthMapPseudoColorize 函数第一个参数可以是图像的 data,也可以是 path. 在函数内部都可以. 在第二篇参考文献中 ...
Fake3D Depth Map Cocos Creator Shader
让 2D 图像展示虚拟 3D 的效果. 效果随着鼠标移动,一张2d图片表现出3d动态的效果. 动图效果预览视频 https://www.bilibili.com/video/BV1Xy4y1L7 ...
快速去阴影--Fast Shadow Detection from a Single Image Using a Patched Convolutional Neural Network
Fast Shadow Detection from a Single Image Using a Patched Convolutional Neural Network https://arxiv ...
Clearing the Skies: A deep network architecture for single-image rain removal解读
Clearing the Skies: A deep network architecture for single-image rain removal解读 Abstract 1.Introduct ...
Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network论文翻译——中英文对照
文章作者:Tyan 博客:noahsnail.com | CSDN | 简书声明:作者翻译论文仅为学习,如有侵权请联系作者删除博文,谢谢! 翻译论文汇总:https://github.com ...
MyDLNote - Enhancement: Fast Single Image Rain Removal via a Deep Decomposition-Composition Network
Fast Single Image Rain Removal via a Deep Decomposition-Composition Network [paper] Fast Single Imag ...

解读Depth Map Prediction from a Single Image using a Multi-Scale Deep Network （3）

解读Depth Map Prediction from a Single Image using a Multi-Scale Deep Network （3）相关推荐

最新文章

热门文章