- 博客(11)
- 资源 (8)
- 收藏
- 关注
原创 Python调用Matlab实现混合编程
一:matlab2014b支持python2.7 、python3.3、但是并不支持python3.4及以上版本------本人安装的python版本为3.4,因此使用更高的matlab版本matlab2015a + 支持python各种版本,这里本文下载的是matlab2016a。很好的解决了对python3.4的支持,使得 import matlab 能够happy运行二: 2
2016-10-25 20:02:11 10333 6
原创 python3.4实现调用opencv3.1.0显示图像
这里楼主使用的是 Spyder 编辑器,任意一个编辑器都行0.0代码如下: //这里需要注意两点 1. 语句img=cv2.imread("b.jpg")引号中所填内容为图片所放的路径,这里我把图片放在了a.py(运行Spyder编辑器时所创建的.py文件)所在的文件夹中。 2.waitKey()中的K是大写字母import cv2img=cv2.imread("b
2016-10-25 12:03:36 1792
原创 在Python3.4中实现opencv3.1.0的安装配置
楼主电脑配置:windows7 64 位写本篇之前查了好多文章,但是由于python基本都是基于2.7、opencv都是基于2.x的,所以许多方法并不适用,以致于浪费了两三个小时。这里对python3.x中怎样使用opencv3.x进行了总结,从而可以在python代码中happy的进行import cv2的调用。由于最近在搞卷积神经网络方面的东西,需要使用Theano。所以本人直接安
2016-10-25 10:26:09 11885 2
转载 训练神经网络的五大算法
神经网络模型的每一类学习过程通常被归纳为一种训练算法。训练的算法有很多,它们的特点和性能各不相同。问题的抽象人们把神经网络的学习过程转化为求损失函数f的最小值问题。一般来说,损失函数包括误差项和正则项两部分。误差项衡量神经网络模型在训练数据集上的拟合程度,而正则项则是控制模型的复杂程度,防止出现过拟合现象。损失函数的函数值由模型的参数(权重值和偏置值)所决定。我们可
2016-10-24 10:52:02 5566 2
转载 (6) Deep Learning模型之:CNN卷积神经网络之深度解析CNN
本文转载自其他文章,并对文章中极少数的部分错误点进行了改正。本文整理了网上几位大牛的博客,详细地讲解了CNN的基础结构与核心思想,欢迎交流。1. 概述 卷积神经网络是一种特殊的深层的神经网络模型,它的特殊性体现在两个方面,一方面它的神经元间的连接是非全连接的, 另一方面同一层中某些神经元之间的连接的权重是共享的(即相同的)。它的非全连接和权值共享的网络结
2016-10-10 11:53:25 6767 1
原创 (5)Deep Learning模型之:CNN卷积神经网络的全面详细概述之一
卷积神经网络(CNN)概述由来:神经元网络的直接升级版相关:Yann LeCun和他的LeNet影响:在图像、语音领域不断突破,复兴了神经元网络并进入“深度学习”时代卷积神经网络沿用了普通的神经元网络即多层感知器的结构,是一个前馈网络。以应用于图像领域的CNN为例,大体结构如图1。很明显,这个典型的结构分为四个大层次输入图像I。为了减小复杂度,一般使用灰度图
2016-10-09 09:46:01 2829
转载 (4)Deep Learning模型之:CNN卷积神经网络(2)模型训练
上篇博文主要对CNN的基本网络结构及连接方式做了简单的介绍,还介绍了一个界内经典的LeNet-5模型。下面重点介绍CNN模型的训练过程/参数学习,在阅读本文之前,最好需要有以下方面的预备知识:神经网络基础(网络结构,前向/后向传播方式,激活函数等);基础的最优化求解方法(梯度法,牛顿法等);机器学习基础神经网络模型常用于处理有监督学习的问题,例如分类问题,CNN也不例外。模型需
2016-10-08 18:55:15 977
原创 (3) Deep Learning模型之:CNN卷积神经网络(1)
本文是将两篇文章进行了总结,其中一篇网址为:http://www.jeyzhang.com/cnn-learning-notes-1.html这里神经网络结构讲的比较细,可能有点难懂,但理解之后其他就迎刃而解了。 本文章后面还有结构的简化描述。1.简介:卷积神经网络是近年来广泛应用于模式识别、图像处理等领域的一种高效识别算法,它具有结构简单、训练参数少和适应性强等特点。它的权值共享网络结构
2016-10-08 14:17:19 4629
转载 (2)Deep Learning训练过程
1、传统神经网络的训练方法为什么不能用在深度神经网络 BP算法作为传统训练多层网络的典型算法,实际上对仅含几层网络,该训练方法就已经很不理想。深度结构(涉及多个非线性处理单元层)非凸目标代价函数中普遍存在的局部最小是训练困难的主要来源。BP算法存在的问题:(1)梯度越来越稀疏:从顶层越往下,误差校正信号越来越小;(2)收敛到局部最小值:尤其是从远离最优区
2016-10-08 09:23:51 634
转载 (1)Deep learning简介
一、什么是Deep Learning?实际生活中,人们为了解决一个问题,如对象的分类(对象可是是文档、图像等),首先必须做的事情是如何来表达一个对象,即必须抽取一些特征来表示一个对象,如文本的处理中,常常用词集合来表示一个文档,或把文档表示在向量空间中(称为VSM模型),然后才能提出不同的分类算法来进行分类;又如在图像处理中,我们可以用像素集合来表示一个图像,后来人们提出了新的特征表示,如
2016-10-08 08:32:28 693
Learning to Assign Orientations to Feature Points
2016-09-22
摄像机标定详解版
2016-07-02
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人