全部相片分為二類：正面手勢的full_front_gesture，以及轉一個小角度的full_rotate_gesture。 參考VGG net將大尺寸kernel用多個小kernel取代(2個3×3取代1個5×5) ，可讓參數減少的幅度更大。
- 该文档详细的描述了MobileNet-SSD的网络模型，可以实现目标检测功能，适用于移动设备设计的通用计算机视觉神经网络，如车辆车牌检测、行人检测等功能。
- 于是按照下图方式输出每一层的x.size() 通过type（x）得知x为tensor类型（一个多维张量或者说多维矩阵），因此可以输出其维数来查看每层的feature map大小及输出输入通道数。
- 它具有速度快，模型小，效率高等优点。
- 错误：索引值14超出范围，检查后发现这个索引值是按照我定义的模块来算的，比如con_bn_relu算一层而不是三层，所以self.model总共14层，索引值为0~13.
- 通过上一.
1.概述 本文档阐述SSD检测算法原理，及以MobileNet为Backbone的网络搭建方式。 Why SSD？ 无论是机器学习或是深度学习一般都可分为两个部分：特征提取与分类任务。 mobilenet ssd mobilenet ssd 该文档详细的描述了MobileNet-SSD的网络模型，可以实现目标检测功能，适用于移动设备设计的通用计算机视觉神经网络，如车辆车牌检测、行人检测等功能。 它具有速度快，模型小，效率高等优点。
mobilenet ssd: 分类专栏
這手勢dataset使用的label式較為少見，其副檔名為.xy，檔名與對應的圖片檔名相同，內容為四個數字所組成的一行純文字，分別代表x. 據演算部門說明，這些.xy文字檔是用於訓練Adaboost的專屬label格式。 mobilenet ssd 本公司演算部門曾拍攝每位同仁四種手勢的特寫相片，然後用Adaboost來訓練用於電器開關控制的手勢辨識模型。
之前实习用过太多次mobilenet_ssd，但是一直只是用，没有去了解它的原理。 今日参考了一位大神的博客，写得很详细，也很容易懂，这里做一个自己的整理，供自己理解，也欢迎大家讨论。 错误：索引值14超出范围，检查后发现这个索引值是按照我定义的模块来算的，比如con_bn_relu算一层而不是三层，所以self.model总共14层，索引值为0~13. 想看看自己写的网络结构究竟什么样，所以用了print（model） 说是输入为22，但卷积核为33，输入比卷积核小，出现错误。
mobilenet ssd: 分类专栏
于是按照下图方式输出每一层的x.size() 通过type（x）得知x为tensor类型（一个多维张量或者说多维矩阵），因此可以输出其维数来查看每层的feature mobilenet ssd map大小及输出输入通道数。 mobilenet ssd 通过上一. 每个Block经过两个卷积层后得到一个由channel个元素组成的向量，每个元素是针对每个通道的权重，将权重和原特征图对应相乘，得到新的特征图数据。
