2017年05月_Vic时代

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

原创 PyTorch学习系列(二)——数据预处理torchvision.transforms

import torchvision.transforms as transforms transforms模块提供了一般的图像转换操作类。class torchvision.transforms.ToTensor 把shape=(H x W x C)的像素值范围为[0, 255]的PIL.Image或者numpy.ndarray转换成shape=(C x H x W)的像素值范围为[0.0,

2017-05-31 17:15:23 23246

原创 PyTorch学习系列(十五)——如何加载预训练模型？

torch.nn.Module对象有函数static_dict()用于返回包含模块所有状态的字典，包括参数和缓存。键是参数名称或者缓存名称。函数Module::load_state_dict(state_dict)用state_dict中的状态值更新模块的状态值。static_dict中的键应该和函数static_dict()返回的字典中的键完全一样。下面给出加载预训练的模型的示例：pretrain

2017-05-31 16:24:23 31219 9

原创动手实践

1、手机端运行卷积神经网络实践：基于TensorFlow和OpenCV实现文档检测功能 http://it.sohu.com/20170530/n494997079.shtml

2017-05-31 08:52:45 918

原创深度学习——训练trick

http://yyue.blogspot.com/2015/01/a-brief-overview-of-deep-learning.htmlhttp://cs231n.github.io/neural-networks-3/#gradcheck

2017-05-29 10:00:01 2051 1

原创 PyTorch学习系列(十)——如何在训练时固定一些层？

有时我们会用其他任务（如分类）预训练好网络，然后固定卷积层作为图像特征提取器，然后用当前任务的数据只训练全连接层。那么PyTorch如何在训练时固定底层只更新上层呢？这意味着我们希望反向传播计算梯度时，我们只希望计算到最上面的卷积层，对于卷积层，我们并不希望计算梯度并用梯度来更新参数。我们知道，网络中的所有操作对象都是Variable对象，而Variable有两个参数可以用于这个目的：requi

2017-05-27 10:52:34 25309 5

原创 PyTorch学习系列(五)——自定义loss

在PyTorch中可以自定义loss，并且只要输入到输出的过程中一直使用的都是Variable（没有用tensor或者numpy），那么loss可以自动求梯度。

2017-05-26 16:11:06 10929

原创深度学习之物体检测——Fast R-CNN(Ross Girshick)

Fast R-CNN是Ross Girshick对R-CNN进行改进的一篇文章，影响力也比较大。R-CNN的基本思想是用box proposal的特征映射作为其特征向量，然后进行分类与box精调。但是R-CNN需要对每个box proposal进行卷积操作得到box特征映射，这样大大降低了检测效率。Fast R-CNN在R-CNN基本思想不变的情况下，只对原图做一次卷次操作得打特征映射，然后把每个b

2017-05-26 14:19:47 5368

原创 PyTorch学习系列(四)——Tensor 和 Variable

TensorPyTorch中的Tensor本质上和numpy数组是一样的：Tensor是一个n维数组，并且PyTorch定义了关于Tensor的很多操作。并且Tensor和numpy一样，不知道深度学习、计算图和梯度的概念，它们都是通用的科学计算工具。但是和numpy不同的是，Torch可以利用GPU来加速数值计算。Variable如果用numpy或者Tensor来实现神经网络，需要手动写出前向过程

2017-05-24 09:12:36 17669

原创 PyTorch——错误集锦

1、KeyError:

2017-05-23 08:35:18 20191 5

原创 Python标准模块——pickle

import picklepickle.dump(data, f)data = pickle.load(f)

2017-05-22 16:28:27 755

原创 PyTorch学习系列(六)——自动求导

各种深度学习框架大大简化了研究人员的工作量，这主要归功于它们的自动求导功能。如果不借助于这些深度学习框架，我们不仅需要写大量构建网络的代码，而且还要推导网络在各层的梯度并实现导数计算，这是非常费时的，而且极易出错。本文介绍如何使用PyTorch的自动求导功能。

2017-05-19 21:39:11 8243 1

原创 Python第三方库——OpenCV

在Python中可以通过下列导入语句来使用OpenCV：import cv2cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]]) → dst： dsize：整数序列img = cv2.imread("*.jpg")img = cv2.resize(img, [40, 40])cv2.rectangle(img, pt1, pt2,

2017-05-19 21:05:19 1107

原创算法——按概率大小对事件进行排序

问题描述假设现在有多个事件x1,x2,x3,x4,x5,x6{x_1, x_2,x_3,x_4, x_5,x_6}，并且事件发生的概率已知：0.3,0.2,0.5,0.4,0.3,0.7{0.3,0.2,0.5,0.4,0.3,0.7}。现在我们希望根据事件的概率大小（有小到大）对事件进行排序。首先我们把事件数值化为1,2,3,4,5,6{1,2,3,4,5,6}，我们令x=[1,2,3,4,5,6

2017-05-19 09:53:08 2550

原创深度学习之物体检测——YOLO(三)_PyTorch实现

过程首先构建26层网络作者采用GoogLeNet作为网络结构，但是并不使用inception模块，而是采用1x1和3x3大小的滤波器进行替代。具体的网络结构请参考博客：深度学习之物体检测——YOLO(一)_介绍。计算损失YOLO模型的损失函数比较复杂，包含三种损失：box损失、置信度损失、类别损失。具体的表达式也请查看上面给出的博客链接。下面给出计算一幅图片的检测损失的计算步骤：根据Groun

2017-05-17 23:39:40 8567 2

原创 PyTorch学习系列(三)——构建神经网络

本文将介绍怎么在利用PyTorch框架构建自己的神经网络模型。

2017-05-17 09:39:35 7613

原创 PyTorch学习系列(一)——加载数据并生成batch数据

开始学习PyTorch，在此记录学习过程。准备按顺序写以下系列：加载数据并生成batch数据数据预处理构建神经网络Tensor和Variable定义loss自动求导优化器更新参数训练神经网络参数_定义参数_初始化如何在训练时固定一些层？绘制loss和accuracy曲线torch.nn.Container和torch.nn.Module各层参数及激活值的可视化保存训练好

2017-05-17 09:12:19 50463 14

原创 Python标准模块——argparse

argparse模块用于解析命令行参数。

2017-05-17 09:03:53 888

原创 Python标准模块——future

Python 2.x和Python3.x有不少不相同的地方，直接将Python 2.7的代码移植到Python 3.x中需要进行大量修改。division在Python 2.x中两个整数相除会得到一个整数，是地板除，而Python 3.x中两个整数相除得到的是精确解，地板除用//。#Python 2.x>>>50 / 3>16#Python 3.x>>>50 / 3>16.66666666

2017-05-17 08:57:13 768

原创 PyTorch之示例——MNIST

from __future__ import print_functionimport argparseimport torchimport torch.nn as nnimport torch.nn.functional as Fimport torch.optim as optimfrom torchvision import datasets, transformsfrom to

2017-05-16 23:09:51 27263 4

原创 Caffe资料

国内：Caffe学习系列：cnblogs上的这份介绍caffe的系列文章感觉介绍的明白、简单。

2017-05-16 15:58:38 941

原创深度学习之物体检测——YOLO(二)_用作者提供的YOLO实现进行检测

使用训练好的YOLO进行检测首先安装Darknetgit clone https://github.com/pjreddie/darknetcd darknetmake下载预训练得到的权重文件 YOLO的配置文件在./cfg/文件夹下。现在下载预训练网络的权重：wget https://pjreddie.com/media/files/yolo.weights运行检测器./darkn

2017-05-16 12:04:24 3720 2

原创深度学习之物体检测——YOLO(一)_介绍

YOLO网络结构YOLO把检测问题看成是端到端的回归问题。把输入图片划分成一个个的小格子，让物体中心点所在的格子负责检测到该物体。 YOLO采用的是GoogLeNet结构，但是用1*1和3*3的卷积层来替代GoogLeNet的inception层。网络结构如下：每个卷积层后面都会跟着leaky ReLu非线性层。第一个全连接层后面也跟着leaky ReLU非线性层。对于一张图片，输出的维度是7*7

2017-05-16 11:25:56 10555 5

原创深度学习之风格迁移（三）——Deep Photo Style Transfer(Fujun Luan)

前面已经介绍了如何利用神经网络进行风格迁移，参见博客深度学习之风格迁移（一）——Neural Style(Gatys) 。该文介绍了怎么把艺术作品的风格迁移到真实图片中去，生成的图片是带有艺术色彩的绘画作品。那么现在给定两个真实的图片，一张作为风格图片，一张作为内容图片，现在希望把风格照片的风格迁移到内容照片中去，那么我们肯定希望得到的图片类似真实的照片。但是如果采用Gatys提出的方法，会导致即使

2017-05-15 11:14:39 10100

原创深度学习之风格迁移（二）——Fast Neural Style(Johnson)

参考[1] Perceptual Losses for Real-Time Style Transfer and Super-Resolution. Justin Johnson, Alexandre Alahi, Li Fei-Fei. ECCV 2016. [2] fast-neural-style in Github by Johnson.

2017-05-15 10:53:55 5164

原创计算机视觉——问题

伪代码实现直线检测实现一种插样resize函数代码实现图像旋转函数列举出你知道的特征算子及其特点，例如SITF，LBF等

2017-05-12 11:52:30 573

原创深度学习和机器学习——试题

。

2017-05-12 11:48:19 2945

原创自问自答1——为什么深度学习不采用牛顿法及其衍生算法作为优化算法？

原因一：Hessian矩阵难以求解。深度网络很难写出拟合函数的表达式，遑论直接得到其梯度表达式，更不要说得到基于梯度的Hessian矩阵了。

2017-05-12 10:36:42 4711 6

原创机器学习资料

UFLDL

2017-05-12 10:25:47 1083 1

原创 Torch学习资料

学习Lua语言：学习Torch： - Deep Learning with Torch: the 60-minute blitz - 文档 - Demos - Tutorials

2017-05-12 09:40:00 1150

原创深度学习之风格迁移（一）——Neural Style(Gatys)

内容重构content reconstruction风格重构style reconstruction风格迁移参考1 A Neural Algorithm of Artistic Style Leon A Gatys Alexander S Ecker and Matthias Bethge2 Image Style Transfer Using Convolutional Neural N

2017-05-11 18:31:51 19786 1

原创 Torch——错误集锦

matio/home/victoria/torch/install/share/lua/5.1/trepl/init.lua:389: /home/victoria/torch/install/share/lua/5.1/trepl/init.lua:389: /home/victoria/torch/install/share/lua/5.1/matio/ffi.lua:24: Could not

2017-05-10 02:31:09 7903

转载课程

编程Learn to Program系列（多伦多大学），地址： https://www.coursera.org/learn/learn-to-program?siteID=SAyYsTvLiGQ-PWI3rMd7QPuV3EhS2wNLhg&utm_content=10&utm_medium=partners&utm_source=linkshare&utm_campaign=SAyYsTvL

2017-05-09 14:31:28 1242

原创深度学习之神经网络结构——残差网络ResNet

Deep Residual Learning for Image Recognition Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun arxiv, 2015 残差网络Residual Network自提出之日起就声名大振，成为大家在介绍深度学习近年上位史时不得不讲的网络结构。阅读原文，会发现通篇出现次数非常多的一个词”degradatio

2017-05-05 18:18:56 6718

原创 OpenCV之Mat——合并多个矩阵

hconcat(matrices, R)：行数不变 vconcat(matrices, R)：列数不变

2017-05-04 20:47:04 6269 1

原创计算机视觉——加权最小二乘（WLS）滤波器

Edge-Preserving Decompositions for Multi-Scale Tone and Detail Manipulation Zeev Farbman, Raanan Fattal, Dani Lischinski, Richard Szeliski Acm Transactions on Graphics , 2008 在关于人脸试妆的论文Digital Face M

2017-05-04 16:21:58 14364 2

原创 OpenCV——Mat矩阵运算

Mat矩阵运算Mat的运算：A和B是Mat类型，s是标量，a是double类型的标量加减、取负：A+B A-B A+s A-s s+A s-A -A按元素相乘和相除：A.mul(B)， A/B, alpha / A矩阵乘法：A*B转置：A.t()矩阵的逆：A.inv()按位进行逻辑运算：A & B A | B按位最大和最小：min(A, B)， max(A, B)计算Mat的元素和：

2017-05-02 15:45:06 5566

原创 OpenCV——读取Mat对象的元素

读取Mat矩阵元素效率最高的方法： uchar* p = I.ptr<uchar>(i)：返回指向i行的第一个元素的指针//RGBMat& ScanImageAndReduceC(Mat& I, const uchar* const table){ // accept only char type matrices CV_Assert(I.depth() == CV_8U);

2017-05-02 15:43:24 1841

原创 OpenCV——颜色空间转换

关于图片的颜色空间的介绍可以参考博客：http://blog.csdn.net/victoriaw/article/details/67639227OpenCV提供了转换颜色空间的函数cvtColor()。C++: void cvtColor(InputArray src, OutputArray dst, int code, int dstCn=0 )Python: cv2.cvtColor(

2017-05-02 15:39:18 1249

Estimating the number of clusters in a data set via the gap statistic

Estimating the number of clusters in a data set via the gap statistic. 2001.

2017-10-25

level-set. Osher 1988.

Fronts Propagating with Curvature-Dependent Speed: Algorithms Based on Hamilton-Jacobi Formulations. Stanley Osher. 1988.

2017-10-18

Snakes: Active Contour Models

Snakes: Active Contour Models. Michael Kass. 1987.

2017-10-18

Comparing LDA and SVM

论文 Comparing Linear Discriminant Analysis and Support Vector Machine. 2002. 欢迎下载。

2017-10-11

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人