Лекция. Нейронная детекция объектов. Одностадийные нейросети. 

Ты просто лучший! Я благодарен тебе за твои уроки в открытом доступе!

Очень увлекательно и интересно! Спасибо, что делитесь знаниями:)

Это видео хронологически раньше, чем предыдущее в плейлисте

Класс! Очень интересно.

Очень тяжело слушать. Автор торопится и суетится. Постоянно уточняет что-то, прерывая подачу основной идеи. Нужно много поработать над способом подачи материала. 34:16 например Разве так излагать нужно? При всём уважении к автору... Рекомендую смотреть на скорости 0.75

YOLO - you only live once)

Ничего не понятно, но очень интересно)

Благодарю!

Возник вопрос по SSD: как якорные боксы ставятся в соответствие ячейкам карты признаков?

А как потом из 8732 рамков на картах признаков получить реальные рамки на картине и объединить их?

Илья, спасибо за лекцию, вы хорошо объясняете) Вопрос по smooth-Loss 44:08 Как разность предсказанного и реального может быть больше 1 (если мы говорим в координатах "x,y,h,w") как я понял из 18:40 они ведь нормированы и лежат в интервале [0,1]. Или там речь идет про "t_l_x, t_l_y, b_r_x, b_r_y" (top_left, bottom_right)

ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-OPK63uqAQLs.html MAXPOOL 3x3 | STRIDE 1 не изменяет фичимапы из 38х38 --> 19х19. 38х38 --> 19х19 производит пулинг выше. 1) MAXPOOL 3x3 | STRIDE 1 преобразует: 19х19 --> 17х17 2) KERNEL 3x3 | PAD 6 | DILATION 6 - применяет паддинг, прибавляет 6 пикселей к каждой из сторон: 17х17 --> 29х29 - формирует ядро для dilation свертки (KERNEL 3x3, DILATION 6) итоговый размер ядра: 3х3 --> 11х11 - производит свертку фичимап 29x29 ядром 11х11: 29х29 --> 19x19 3) KERNEL 1x1 | CH 1024 --> 1024 | ReLU преобразует: 19х19 --> 19x19 и вносит нелинейность за счёт ReLU.

ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-OPK63uqAQLs.html свертка 3х3 может быть, там паддинг 1.