1.由来: 由google2015年提出,深度神经网络训练的技巧,主要是让数据的分布变得一致,从而使得训练深层神经网络更加容易和稳定。 2.作用 BN的作用就是将这些输入值或卷积网络的张量进行类似标准化的操作,将其放缩到合适的范围,从而加快训练速度;另一方面使得每一层可以尽量面对同一特征分布的输入值,减少了变化带来的不确定性 3.操作阶段 4.操作流程 计算每一层深度的均值和方 对每一层设置2个参数,γ和β。假设第1深度γ=2、β=3;第2深度γ=5、β=8。 使用缩放因子γ和移位因子β来执行此操作。 随着训练的进行,这些γ和β也通过反向传播学习以提高准确性。这就要求为每一层学习2个
2021-10-10 20:22:59 252KB 归一化 批量归一化 残差
1
当车辆使用很长时间后,用户发现方向转向沉重、发抖、跑偏、不正、不归位或者轮胎单边磨损,波状磨损,块状磨损,偏磨等不正常磨损,以及用户驾驶时,车感漂浮、颠簸、摇摆等现象出现时,就应该考虑检查一下车轮定位值,看看是否偏太多,及时进行修理。
2021-10-10 15:23:54 72KB 飞思卡尔 四轮定位 后轮差速 文章
1
Matlab图像处理的常用几个方法并附有帧
2021-10-10 10:57:43 928KB Matlab
1
很实用的光学资料,几何光学;光学设计;光学;像
2021-10-09 19:25:46 17.71MB 几何光学;光学设计;光学;像差
1
一种改进的点云数据粗剔除方法,刁鑫鹏,吴侃,三维激光扫描仪对地面进行扫描时,会产生很多粗点,要应用扫描获取的点云数据需首先剔除非地面点。针对三维激光扫描数据的特点
2021-10-09 17:18:19 260KB 首发论文
1
针对医学图像分割中网络深度过深和上下文信息欠缺导致的分割精度降低等问题,提出了一种基于改进U-Net的磁共振成像(MRI)脑肿瘤图像分割算法。该算法通过嵌套残模块和密集跳跃连接组成一种深度监督网络模型。为了减小编码路径和解码路径特征图之间的语义距,将U-Net中的跳跃连接改为多类型的密集跳跃连接;为了解决网络过深导致的退化问题,加入残模块,以防止网络梯度消失。实验结果表明,本算法分割肿瘤整体、肿瘤核心、增强肿瘤的Dice系数分别为0.88、0.84、0.80,满足临床应用的需求。
2021-10-09 16:52:50 7.07MB 图像处理 脑肿瘤分 残差模块 密集跳跃
1
摄影测量光束法区域网平 ,求解a11~a16,a21~a26的求解程序,源代码给出,方便操作修改,版权所有!请勿到处散播,侵权必究!
2021-10-09 16:14:39 773KB 摄影测量光束法区域网平差
1
有序顺序表完成集合与集合的交集,集,并集,包含于之间的运算以及元素与集合的判断关系.
2021-10-08 20:34:14 60KB 有序顺序表 交集 差集 并集
1
描述: 1.获取相机位置的初始值:[omega, phi, kappa, Xc, Yc, Zc] 2.获取相机内部参数的初始值[f,xc,yc,K1,K2,K3,P1,P2,B1,B2] 在 fraser 1996 中提到; 3. 求解束平中的所有参数。 N01。 速度相当适合 2000 方程。 N02。 这不是稀疏束调整。 N03。 所有输入参数都存储在一个 .mat 文件中,并附上一个示例文件用于测试目的
2021-10-08 16:07:42 39KB matlab
1
在运动物体检测与跟踪中中,运用帧法提取背景
2021-10-08 15:52:44 2KB matlab 背景提取
1