- 博客(57)
- 收藏
- 关注
RSS订阅转载 多元高斯分布的均值与协方差矩阵
多元高斯分布，即数据的维度不再为1维度。样本个数记为n x特征向量的维度为k 。举个例子：样本1:[2,3,4,5,6] 样本2:[3,4,5,6,7]样本3:[4,5,6,7,8]；求各个维度上的均值：x_i = [2+3+4/3,3+4+5/3.....6+7+8/3] == [3,4,5,6,7]各个维度减去均值。 x_1' = [-1,-1,-1,-1,-1]...
2018-08-02 23:55:00
5480
转载 Paper-[arXiv 1710.03144]Island Loss for Learning Discriminative Features in Facial Expression
[arXiv 1710.03144]Island Loss for Learning Discriminative Features in Facial ExpressionABSTRACT作者在CenterLoss的基础上，提出了一个新的Loss，在关注类别的类内距离的同时，优化类间距离，使得每个类别拥有更大的margin,从而迫使网络能够学习到更具判别性的特征。当前问题在环境...
2018-01-08 16:03:00
399
转载 Paper-[acmi 2015]Image based Static Facial Expression Recognition with Multiple Deep Network Learnin...
[acmi 2015]Image based Static Facial Expression Recognition with Multiple Deep Network LearningABSTRACT该文章作者为EmotiW2015比赛静态表情识别的亚军，采用的方法为cnn的级联，人脸检测方面也采用了当时3种算法的共同检测，通过在FER2013数据库上进行模型预训练，并在SF...
2018-01-08 11:14:00
265
转载 OpenCV3 安装
Opencv 安装本文主要说明了在ubuntu上通过源码安装Opencv3，包含各种独立接口.具体可以参照LearnOpencv:https://www.learnopencv.com/install-opencv3-on-ubuntu/更新系统源 sudo apt-get update sudo apt-get upgrade安装系统依赖库 # 移除先...
2017-11-23 21:43:00
170
转载 Ubuntu下快速配置Caffe
Caffe安装实际上在windows上安装过多次caffe了，无论是BLVC版本的还是Microsoft版本的，ubuntu的按照也进行过，这段时间在自己笔记本上又折腾了下caffe安装，发现其实直接照着官方的是最方便快捷的。具体可以参照 Installation instructions具体步骤根据系统的不同，ubuntu分为两种安装方式。Ubuntu17.04以即上的可以直...
2017-11-22 16:37:00
125
转载 Paper阅读总结Day1
Paper阅读总结Day11.Convolutional Neural Networks For Facial Expression Recognition文章思想简单的一篇关于表情识别的文章，运用简单的CNN结构，在文章中对比了深层次的网络结构和浅层次的网络结构的效果，同时将前向的最后一层特征与自己手动提取的Hog特征做了特征融合，并重新训练一个全连接层，得到的效果与不用特征融合...
2017-11-09 20:56:00
146
转载 目标检测常用衡量指标
目标检测常用衡量指标目标检测中，存在很多常见的模型评估与选择的度量方法，本文结合周志华老师的，以及自己的理解对常见的度量方法做一个总结。基础介绍常见的评估方法，我们在进行样本学习与测试的过程中，通常采用多种方式来进行样本集合的分类。(1) 留出法将样本按比例分为两个子集，一个为训练集，一个为验证集，通常保证训练集和验证集的样本类别服从同分布。多次划分后取平均的实验结果作为最终的...
2017-11-09 20:49:00
713
转载 Caffe_Scale层解析
Caffe Scale层解析前段时间做了caffe的batchnormalization层的解析，由于整体的BN层实现在Caffe是分段实现的，因此今天抽时间总结下Scale层次，也会后续两个层做合并做下铺垫。基本公式梳理Scale层主要完成 \(top = alpha*bottom+ beta\)的过程，则层中主要有两个参数\(alpha\)与\(beta\),求导会比较简单...
2017-11-09 20:46:00
1438
转载 Caffe Batch Normalization推导
Caffe BatchNormalization 推导总所周知，BatchNormalization通过对数据分布进行归一化处理，从而使得网络的训练能够快速并简单，在一定程度上还能防止网络的过拟合，通过仔细看过Caffe的源码实现后发现，Caffe是通过BN层和Scale层来完整的实现整个过程的。谈谈理论与公式推导那么再开始前，先进行必要的公式说明：定义\(L\)为网络的损失函数...
2017-11-09 20:41:00
144
转载 Caffe CommonLayer分析
Caffe CommonLayer分析\(Caffe\)中包含了很多通用的功能层，包含了\(concat\),\(slice\),\(split\),\(crop\),\(flip\),\(scale\_layer\)等,这些层在网络中经常被使用，本文也将对其中的常见layer进行说明与源码分析。1.常用\(Layer\)(1) \(CropLayer\)CropLayer完成数...
2017-10-25 16:21:00
182
转载 Caffe Loss分析
Caffe_Loss损失函数为深度学习中重要的一个组成部分，各种优化算法均是基于Loss来的，损失函数的设计好坏很大程度下能够影响最终网络学习的好坏。派生于 \(LossLayer\),根据不同的Loss层有不同的参数;1.基本函数主要包含构造函数，前向、后向以及Reshape，部分有SetUp的函数，每层都有Loss参数 explicit XXXLossLayer(con...
2017-10-22 19:00:00
136
转载 Caffe 激励层(Activation)分析
Caffe_Activation一般来说，激励层的输入输出尺寸一致，为非线性函数，完成非线性映射，从而能够拟合更为复杂的函数表达式激励层都派生于NeuronLayer: class XXXlayer : public NeuronLayer1.基本函数激励层的基本函数较为简单，主要包含构造函数和前向、后向函数 explicit XXXLayer(const LayerParam...
2017-10-20 23:26:00
189
转载 Caffe学习--Layer分析
Caffe_Layer1.基本数据结构 //Layer层主要的的参数 LayerParamter layer_param_; // protobuf内的layer参数 vector<shared_ptr<Blob<Dtype>*>>blobs_;//存储layer的参数， vector<bool>para...
2017-10-19 22:48:00
93
转载 Caffe学习--Blob分析
Caffe_blob1.基本数据结构Blob为模板类，可以理解为四维数组，n * c * h * w的结构,Layer内为blob输入data和diff，Layer间的blob为学习的参数.内部封装了SyncedMemory类,该类负责存储分配和主机与设备的同步protected: shared_ptr<SyncedMemory> data_; // data指...
2017-10-19 20:37:00
226
转载 Caffe学习--Net分析
Caffe_Net1.基本数据 vector<shared_ptr<Layer<Dtype> > > layers_; // 记录每一层的layer参数 vector<vector<Blob<Dtype>*> > bottom_vecs_; vector<vector<int&g...
2017-10-19 20:36:00
212
转载 Logistic回归分析
【原创帖！转载请注明出处：http://www.cnblogs.com/LaplaceAkuir/p/7484796.html】Logistic回归分析\(\qquad Logistic回归为概率型非线性回归模型，机器学习常用的二分类分类器，其表达式为:\)\(\quad \quad z=w_{1}*x_{1}+w_{2}*x_{2}+\cdots +w_{n}*x_{n}+b=\...
2017-09-06 14:54:00
128
转载 C++ 获取某一文件夹下的所有文件名
1 //********************************************************************** 2 // Method: 获取文件夹下所有文件 3 // FullName: getFiles 4 // Returns: void 5 // Parameter: 输入和对应的模板路径 6 // T...
2017-05-10 16:10:00
119
转载 Windows上快速编译caffe CPU版本
windows上快速安装配置Caffe的 cpu_only环境。一：安装环境： 1、windows10； 2、Visual Studio2013； 3、Caffe版本：http://github.com/Microsoft/caffe二：caffe安装配置 将caffe-master/windows/CommonSettings.props.examp...
2017-03-07 09:55:00
130
转载 windows py-faster-rcnn配置
【原创帖！转载请注明】 windows faster-rcnn安装一直会出现各种错误，本人在实验室电脑成功安装后，在自己电脑上同样的安装步骤也成功。所以做个总结，希望对大家有帮助。一：安装环境 1、windows10 2、visual studio 2013 3、cuda7.5 for windows10 4、cudnn5.1 for windo...
2017-03-01 15:26:00
206
转载 Windows下VS2013 C++编译测试faster-rcnn
【原创帖！转载请注明出处：http://www.cnblogs.com/LaplaceAkuir/p/6445189.html】 本人最近研究faster-rcnn，在ubuntu成功跑通matlab版本和python版本，但是由于项目开发需要，则要在windows上进行c++版本的faster-rcnn应用，于是参照着http://blog.csdn.net/oYa...
2017-02-26 22:47:00
185
转载 windows, fast-rcnn CPU版本的安装配置
一：安装准备1：caffe的安装配置，本人用的是happynear大神的caffe版本，具体链接https://github.com/happynear/caffe-windows，编译时需要用到python接口，安装过程参考：http://blog.csdn.net/happynear/article/details/45372231。2:fast-rcnn所需要模型文件：百度...
2017-02-20 11:37:00
157
转载 机器学习（二）：感知机学习算法
感知机是一种线性分类模型，属于判别模型 f(x) = sign(wx+b) ; f(x)∈{+1,-1};其中M为错分类点的集合M。感知机学习算法是误分类驱动的，采用随机梯度下降法进行参数更新。w<-----w + γyixib<-----b + γyiγ为学习率，反复迭代直到所有样本均分类正确。总结：输入：训练数据集T={(x...
2017-02-19 10:08:00
170
转载 机器学习（一） K-means聚类
聚类算法K-means是硬聚类算法，是目标函数聚类算法的代表。K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。其核心思想是：随机选定K(聚类数)个初始中心，然后根据这K个初始中心，将N个数据点根据欧氏距离进行聚类，每个数据点离哪个初始中心更近就归于此初始中心一类，直至聚类完成，再计算每个...
2017-02-12 20:36:00
124
转载 C++笔试专题一：运算符重载
一：下面重载乘法运算符的函数原型声明中正确的是:（网易2016校招） A:MyClass operator *(double ,MyClass); B:MyClass operator *(MyClass ,MyClass); C:MyClass operator *(double ,double); D:MyClass operator *(MyClass ,d...
2017-02-10 14:28:00
603
转载 c++几种排序算法代码
1 #include <iostream> 2 #include <vector> 3 using namespace std; 4 5 //交换int 6 void swap(int& a, int& b){ 7 int temp = a; 8 a = b; 9 b...
2017-01-14 11:10:00
105
转载 leetcode72. Edit Distance
Given two wordsword1andword2, find the minimum number of steps required to convertword1toword2. (each operation is counted as 1 step.)You have the following 3 operations permitted on a wo...
2017-01-09 17:21:00
84
转载 动态规划学习（一）
动态规划算法通常基于一个递推公式以及一个或多个初始状态。当前子问题的解将由上一次子问题的解推出。使用动态规划来解决只需要多项式时间复杂度，因此比回溯法、暴力法要快很多。 初始条件，中间状态，状态方程。 有1元，3元（方便举例），5元的硬币，要拼凑n元，最少拿多少枚硬币。 初始：dp[0]=0; 状态方程:dp[i] = min(dp[i-1]+1,dp[i-3...
2017-01-09 11:37:00
102
转载 leetcode 64. Minimum Path Sum
Given amxngrid filled with non-negative numbers, find a path from top left to bottom right whichminimizesthe sum of all numbers along its path.Note:You can only move either down or right...
2017-01-09 10:15:00
59
转载 ubuntu16.04 安装配置matlab+python +cuda8.0+cudnn+opencv3.1的caffe环境
网络上有很多ubuntu上caffe配置环境的帖子，本人照着其中的许多进行了参考，都出现了或多或少的错误，很多地方也有差异。于是自己整理了下自己的安装过程，成功进行了测试，跑通了faster-rcnn。配置环境时间为2017.1.4 系统ubuntu16.04一：显卡驱动的安装： 由于要使用GPU，所以先要查看自己显卡所匹配的显卡驱动，网址：http://www.nvi...
2017-01-08 22:17:00
184
转载 内联函数inline
1：使用inline函数的时候，必须使函数体和inline说明结合一起，否则编译器将视他为普通函数处理：false:inline void Coord::setcoord(int a,int b);true:inline void Coord::setcoord(int a ,int b){ x = a; y =b;}2:通常只有较短的成员函数才会...
2017-01-08 13:41:00
97
转载 caffe网络模型各层详解（一）
一：数据层及参数caffe层次有许多类型，比如Data，Covolution，Pooling，层次之间的数据流动是以blobs的方式进行首先，我们介绍数据层：数据层是每个模型的最底层，是模型的入口，通常数据的 预处理（如去均值，放大缩小，裁剪和镜像等）也在这一层设置参数实现。数据来源一般来自高效的数据库（levelDb和LMDB），也可以来自内存，如果注重效率，可以来自磁...
2017-01-05 16:26:00
204
转载 caffe.exe (caffe.bin)用法回顾
ｃａｆｆｅ.bin :command line brewusage : caffe <command><args>commands： train: 训练或者微调一个网络 test: 对一个模型打分测试 device_query: 显示ＧＰＵ诊断信息 time: 评估模型执行...
2017-01-04 21:49:00
113
转载 Python创建cvs文件，包含标签和图片数据
在深度学习或者机器学习的时候，常常需要对数据进行整理和分类，最常见的是通过对数据路径和标签写入到一个整合的txt或者csv文件中，训练进行读取。 1 #coding=utf-8 2 #!/usr/bin/env python 4 import sys 5 import os.path 6 7 # This is a tiny scrip...
2016-12-28 15:32:00
822
转载 Ubuntu16.10 主题flatabulous安装
以前通过apt直接安装的flatabulous主题16.10上安装会出现找不到包的情况，可以采用源码安装原来的apt-get方式：1：主题1 sudo add-apt-repository ppa:noobslab/themes2 sudo apt-get update3 sudo apt-get install flatabulous-theme2：图标...
2016-12-23 10:32:00
153
转载 学习opencv
图像缩放1 cv::Mat src_img = cv::imread("../../image/lenna.png", 1);2 if(src_img.empty()) return -1; 3 cv::Mat dst_img1;4 cv::Mat dst_img2(src_img.rows*0.5, src_img...
2016-10-26 11:03:00
71
转载 树莓派3B 安装微雪LCD5inch显示器（包含软键盘）
树莓派单独使用时，往往需要触摸屏和软键盘用以方便操作，微雪LCD显示器就能较好的实现这个功能，正好实验室又买入了一个3B的板子和一个5inch的显示器，便对着官方的安装手册，亲自安装了一次。一：材料准备树莓派官方镜像，本人使用的是2016-05-27-raspbian-jessie镜像Win32DiskImager.exe 用来烧录镜像。USB读卡器ma...
2016-10-25 11:39:00
311
转载 leetcode --344. Reverse String
Write a function that takes a string as input and returns the string reversed.Example:Given s = "hello", return "olleh". 1 class Solution { 2 public: 3 string reverseString(string s...
2016-10-01 20:06:00
81
转载 浅谈人脸检测之Haar分类器方法
我们要探讨的Haar分类器实际上是Boosting算法(提升算法)的一个应用，Haar分类器用到了Boosting算法中的AdaBoost算法，只是把AdaBoost算法训练出的强分类器进行了级联，并且在底层的特征提取中采用了高效率的矩形特征和积分图方法，这里涉及到的几个名词接下来会具体讨论。在2001年，Viola和Jones两位大牛发表了经典的《Rapid ...
2016-09-07 09:29:00
155
转载 二叉树习题
/*编一个程序，读入用户输入的一串先序遍历字符串，根据此字符串建立一个二叉树（以指针方式存储）。 例如如下的先序遍历字符串： ABC##DE#G##F### 其中“#”表示的是空格，空格字符代表空树。 建立起此二叉树以后，再对二叉树进行中序遍历，输出遍历结果。 输入abc##de#g##f###，输出cbegdfa * 1 #include <iostream...
2016-08-16 15:52:00
153
转载 二叉树的建立
定义树的结构：1 typedef int ElemType;2 3 struct BinaryTreeNode4 {5 ElemType m_nValue;//结点值6 BinaryTreeNode *m_pLeft;//左节点地址7 BinaryTreeNode *m_pRight;//右节点地址8 };将二叉树...
2016-08-15 22:34:00
99
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人