深度学习-图像处理
对深度学习-卷积神经网络的基础内容进行总结梳理。
唯我视你为青山
java
展开
-
第三章 k近邻法
k近邻法没有显示的学习过程,无模型找到K个最近点后,使用多数表决(即投票)的方式确定预测点的类别距离度量:预测过程中直接遍历预测点与所有点的距离,并找到最近的K个点即可。找到K个最近点后,使用多数表决(即投票)的方式确定预测点的类别。K近邻算法缺点:1、在预测样本类别时,待预测样本需要与训练集中所有样本计算距离,当训练集数量过高时(例如Mnsit...原创 2019-10-31 12:04:49 · 241 阅读 · 0 评论 -
第一章 统计学习方法概论
1、统计学习方法统计学习方法是基于数据构建统计模型从而对数据进行预测和分析、统计学习方法由监督学习非监督学习、半监督学习和强化学习等组成。主要讨论监督学习统计学习方法步骤:有限训练集合确定学习模型集合(模型选择)确定模型选择准则(策略,损失函数确定)实现求解最优化模型算法(算法,梯度下降算法选择)最优化模型选择利用模型对数据进行预测分析统计学习的三要素:模型、策略和算...原创 2019-10-30 14:07:51 · 183 阅读 · 0 评论 -
PTGAN 带转换模型和分割模型
目录一、摘要:二、MSMT17数据集介绍三、实验流程和结果:三、流程复现:Paper 链接:Person Transfer GAN to Bridge Domain Gap for Person Re-Identification:https://arxiv.org/pdf/1711.08565.pdfDataset 链接::http://www.pkuvmc.c...原创 2019-06-28 14:36:07 · 1249 阅读 · 3 评论 -
cyclegan、ptgan、stargan、数据不够gan来凑
目录1、普通gan2、cyclegan3、ptgan4、starganptgan模型代码地址看着一篇:https://blog.csdn.net/aaa958099161/article/details/939935501、普通gan2、cyclegan两个生成模型,两个个判别器注意:两个生成模型,两个个判别器两个判别器,其中一个判别器只...原创 2019-06-11 21:55:05 · 1135 阅读 · 0 评论 -
李航,统计学习方法- 朴素贝叶斯:
'''数据集:Mnist训练集数量:60000测试集数量:10000------------------------------运行结果: 正确率:84.3% 运行时长:103s'''import numpy as npimport timedef loadData(fileName): ''' 加载文件 :param file...原创 2019-05-22 13:16:42 · 374 阅读 · 0 评论 -
第二章、感知机
感知机原理剖析及实现模型:一条能够区分所有类别的函数f(x),这就是本次求解模型其中,策略:如果我们把所有分错的点到分割平面的距离求和,让这段求和的值最小,呢么这个平面就是我们的f(x)点到平面的距离:算法:梯度下降法'''数据集:Mnist训练集数量:60000测试集数量:10000iter:30------------...原创 2019-05-22 09:53:09 · 182 阅读 · 0 评论 -
图像的读取、存储、类型转换
目录1、matplotlib读取与显示图片2、用cv2读取与显示图片3、PIL.Image读取图片4、总结:最常见的三种图片格式str_bmp = r"../Data_set/00000_sr.bmp"str_jpg = r"../Data_set/00205.jpg"str_png = r"../Data_set/0901x2.png"1、matplotlib读...原创 2019-05-19 19:12:18 · 492 阅读 · 0 评论 -
channel url: https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free error code: 404
linux下: conda pip install * 报错:UnavailableInvalidChannel: The channel is not accessible or is invalid. channel name: anaconda/pkgs/free channel url: https://mirrors.tuna.tsinghua.edu.cn/anac...原创 2019-05-16 20:43:33 · 18480 阅读 · 30 评论 -
.y4m转成图片——阿里优酷图像超分辨率比赛
1..y4m转成.jpg图片命令:>ffmpeg -i E:\ali_uku\round1_train_input\youku_00000_00049_l\Youku_00000_l.y4m E:\ali_uku\round1_train_input\youku_00000_00049_l_pic\image%d.jp前面是输入y4m视频,后面是输出.jpg图片;图很丑。。...原创 2019-05-10 14:36:48 · 1390 阅读 · 0 评论 -
ubuntu16.04+CUDA9.0+pytorch0.4.1+pycharm
首先我们安装好了ubuntu16.04环境,我们从这里开始:第一步:换清华镜像源(ipv6免流量)源配置信息地址:https://mirrors.tuna.tsinghua.edu.cn/help/ubuntu/复制里面信息$ sudo gedit /etc/apt/sources.list替换成清华源 。。。。。。。。。。。第一步完成第二步,下载并安装cuda...原创 2019-05-04 10:01:10 · 1921 阅读 · 0 评论 -
如何降低过拟合?-机器学习试题
(1)试着寻找最简单的假设(2)正则化(3)early stopping: 在每一个epoch结束的时候,计算验证集的accurancy,记录到目前为止最好的交叉验证accuracy,当连续10次epoch没达到最好的准确率的时候,可以认为accurancy不再提高了。(4)数据集扩增(5)dropout...原创 2019-04-28 20:00:49 · 265 阅读 · 0 评论 -
matplotlib画折线图和点分布图
matplotlib画图1点分布图import numpy as npimport matplotlib.pyplot as plt#数据x_num=np.array(np.arange(15))y_num=10*x_num+20*np.random.random(15)fig = plt.figure()# 画图(点图)# fig, ax = plt.subplots()...原创 2018-06-12 23:16:27 · 5674 阅读 · 0 评论 -
numpy基本用法
科学计算库numpy的基本用法numpy创建要np.array()创建import numpy as npvecter=np.array([1,2,3,4,5])matrix=np.array([[5,10,15],[20,10,13],[1,2,3]])print(vecter)print(matrix)#coding=utf-8'''Created on...原创 2018-06-12 22:33:38 · 397 阅读 · 0 评论 -
cvpr2019图像超分辨率
1、Second-order Attention Network for Single Image Super-Resolution基于注意力网络的改进,论文客观指标最高http://www4.comp.polyu.edu.hk/~cslzhang/paper/CVPR19-SAN.pdf2、Image Super-Resolution by Neural Texture Transfer...原创 2019-05-28 19:19:48 · 8545 阅读 · 1 评论 -
Inception网络家族
目录一、Inception v1(GoogleNet)二、Inception v2三、Inception v3四、Inception v4一、Inception v1(GoogleNet)对左上图做以下说明:1.采用不同大小(1x1,3x3,5x5,3x3的maxpooling)的卷积核意味着不同大小的感受野,最后拼接意味着不同尺度特征的融合;2 ....转载 2019-05-26 23:32:27 · 259 阅读 · 0 评论 -
卷积和通道的理解
1、卷积将输入和输出用线连接起来,以可视化它们之间的依赖关系。线条的数量分别粗略地表示在空间和通道上执行卷积的计算成本。最常用的 3x3 的卷积,可以通过上图进行可视化。我们可以看到,在空间中,输入和输出是局部连接的,而在通道中则是全连接。下一个例子,conv1x1 或用于改变通道大小的逐点卷积,如上图所示。这种卷积的计算成本是 HWNM,因为其卷积核大小为 1x1,所以其计算...转载 2019-05-20 20:14:10 · 3750 阅读 · 0 评论 -
轻量级网络:Squeezenet、Mobilenet、Shufflenet
1、Squeezenet、https://blog.csdn.net/u011995719/article/details/789087552、Mobilenet、https://blog.csdn.net/kangdi7547/article/details/814315723、Shufflenet、https://blog.csdn.net/u011974639/artic...转载 2019-05-20 17:35:53 · 416 阅读 · 0 评论 -
亚像素卷积和转置卷积
CNN中对特征图进行上采样常用的操作有转置卷积和亚像素卷积1、转置卷积转置卷积(Transposed Convolution)又称为反卷积(Deconvolution)先看下普通的卷积过程:如下图:这是一个卷积核大小为3x3,步长为1,padding为0的普通卷积转置卷积的过程:2、亚像素卷积把一个3x3的小图片变成一个5X5的大图片。白色虚线区域全...原创 2019-05-20 15:27:14 · 8402 阅读 · 1 评论 -
卷积/反卷积后特征图尺寸计算
1、下采样/卷积:先定义几个参数输入图片大小 :W×WFilter大小 :k×k步长 :Spadding的像素数 :P输出图片大小为: N×N于是我们可以得出:N = (W − k+ 2P)/S+1 图(1)建议推算一把2、上...原创 2019-05-20 15:04:09 · 6890 阅读 · 1 评论 -
CNN的发展历程
目录简介开山之作:LeNet王者归来:AlexNet稳步前行:ZF-Net越走越深:VGG-Nets大浪推手:GoogLeNet里程碑式创新:ResNet继往开来:DenseNet简介卷积神经网络可谓是现在深度学习领域中大红大紫的网络框架,尤其在计算机视觉领域更是一枝独秀。CNN从90年代的LeNet开始,21世纪初沉寂了10年,直到12年AlexNet...转载 2019-05-20 14:22:19 · 4377 阅读 · 0 评论 -
卷积神经网络中经典操作
CNN从2012年的AlexNet发展至今,科学家们发明出各种各样的CNN模型,一个比一个深,一个比一个准确,一个比一个轻量。对近几年一些具有变革性的工作进行简单盘点,附带这些操作的来源,全面了解一下CNN的前进历程。注:主要搬运了一些博客内容,当然自己也梳理了一番,目录一、卷积只能在同一组进行吗?-- Group convolution、二、卷积核一定越大越好?-- 3×3卷积核...转载 2019-05-20 13:08:43 · 1555 阅读 · 0 评论 -
Group Convolution分组卷积,以及Depthwise Convolution和Global Depthwise Convolution
这篇文章写的不错:https://www.cnblogs.com/shine-lee/p/10243114.html转载 2019-05-20 10:28:40 · 206 阅读 · 0 评论 -
CNN卷积过程
目录1、什么是卷积2、什么是卷积核3、什么是卷积层4、一个卷基层有多少个参数:5、通道(chennel)怎么理解:6、几个参数:7、如何理解权值共享,减少了神经网络需要训练的参数的个数?最近有一个想法,把基础的东西自己总结一遍,后期有了新的理解不断完善卷积过程: ...转载 2019-05-19 20:50:27 · 9091 阅读 · 3 评论 -
Top高校创新科技大赛-人像分割+背景虚化
Top高校创新科技大赛-人像分割目录Top高校创新科技大赛-人像分割1.项目地址:https://github.com/958099161/person_segmentation,带模型。2.目录介绍:3.结果展示:4.其他应用:近年三月份做了oppo的这个比赛,水平有限,最后IOU到了0.87吧,没进复赛(比赛方没提供数据集,很头疼,前面几位大神IOU到了0.95+...原创 2019-05-15 21:28:51 · 970 阅读 · 3 评论 -
逆亚像素卷积操作复现
2018_ECCV_Workshops上面一篇文章Fast and Efficient Image Quality Enhancement via Desubpixel Convolutional Neural Networks文章中逆亚像素卷积通过tensorflow的一个函数实现,tf.space_to_depth(X, r)。本人论文用pytorch框架写的,所以就复现了一下,...原创 2019-05-15 10:20:31 · 1872 阅读 · 0 评论 -
阿里巴巴优酷视频增强和超分辨率挑战赛-持续更新
目录大赛概况1.数据预处理2.模型初选3.训练 ->确定两个模型4.训练,修改网络,继续优化大赛概况大赛地址:https://tianchi.aliyun.com/competition/entrance/231711/introduction?spm=5176.12281949.1003.2.37422448y3C5Xj视频增强和超分是计算机视觉领域的核...原创 2019-05-10 13:12:59 · 7600 阅读 · 21 评论 -
RCAN Image Super-Resolution Using Very Deep Residual Channel Attention Networks-ECCV2018
目录一.提出问题:二.解决问题方法:三.贡献:四.网络结构五.Channel attention(CA)六:结论一.提出问题:1.卷积神经网络深度对于图像超分辨率至关重要。然而,我们观察到更深层的图像SR网络更难以训练。2.低分辨率输入和特征包含丰富的低频信息,平等对待你这些通道,阻碍了cnn代表。二.解决问题方法:为了解决这些问题,我们提出了非常...原创 2018-09-25 11:45:14 · 14970 阅读 · 16 评论