add

Handsomewl · Oct 28, 2018 · 0e6c5a1 · 0e6c5a1
1 parent d67dcb6
commit 0e6c5a1
Showing 1 changed file with 1 addition and 8 deletions.
diff --git a/MarkDown/第八章_图像分割.md → MarkDown/第八章图像分割.md b/MarkDown/第八章_图像分割.md → MarkDown/第八章图像分割.md
@@ -681,6 +681,7 @@ $$
 &emsp;&emsp;
 小结：在弱标记的数据集上训练图像分割算法可以减少对大量全标记数据的依赖，在大多数应用中会更加贴合实际情况。弱标记可以是图像级别的标记、边框和部分像素的标记等。训练的方法一般看做是限制条件下的最优化方法。另外EM算法可以用于CNN参数和像素类别的联合求优。
 
+
 ## 8.10 DenseNet（贡献者：黄钦建－华南理工大学）
 
 这篇论文是CVPR2017年的最佳论文。
@@ -708,11 +709,3 @@ DenseNet网络的优点包括：
 3、更有效地利用了feature 
 4、一定程度上较少了参数数量
 5、一定程度上减轻了过拟合
-
-
-
-
-
-
-
-