Brigebios-CSDN博客

原创基于pytorch的Faster-Rcnn网络实现视力表字符检测

今天要做的是使用一个基于pytorch环境下的Faster-Rcnn网络实现对视力表字符的检测任务。使用平台：pycharm；环境：torch1.5.0、cuda10.2目录一、制作数据集二、训练模型三、预测图片四、模型评估一、制作数据集从头实现一个目标检测任务第一步就是制作数据集。首先在网上下载了视力表字符的图片，而后对几个字符进行加噪、上下采样处理并贴到一面墙的图片上，具体实现过程采用OpenCV库，实现方法很简单，在此不多加展示，结果如下所示：如此制作了10张样本图片后，通过数据增强的方法

2021-05-29 17:22:09 721 4

原创 LSTM网络的简单理解

目录RNN递归神经网络LSTM神经网络结构变形1.peephole connections结构2.在忘记门与输入门之间引入一个耦合3.门循环单元（GRU）今天对LSTM网络进行学习。在理解LSTM网络之前，我们首先要对Recurrent Neural Networks（RNNs）递归神经网络进行了解。RNN递归神经网络以我们人类来说，我们不会将所有的东西都全部丢弃，然后用空白的大脑进行思考。我们的思想拥有持久性。而在传统神经网络中，模型不会关注上一时刻的处理会有什么信息可以用于下一时刻，每一次都只会

2021-05-15 21:54:03 1568 1

原创深度学习自学第四周：近几年的经典神经网络结构

现在对近几年一些比较经典的神经网络结构进行学习。其它如LeNet-5、AlexNet、VGGNet都有学习过，但除开有些东西已经很老了以外，近几年的神经网络结构更加优异也是事实，在此就不写出来了。目录一、ResNet网络1.残差块2.残差网络二、GoogLeNet网络1.Inception网络2.Xception网络三、SENet网络1.Squeeze2.Excitation一、ResNet网络ResNet网络又名残差网络，是2015年ILSVRC竞赛冠军。我们知道，特征的“等级”随增网络深度的加深而

2021-02-28 00:34:57 990 1

原创深度学习自学第二周：基于keras实现猫狗大战

目录一、初步实现（一）选取训练集、测试集、验证集（二）构建神经网络模型（三）数据预处理（四）绘制损失曲线和精度曲线（二）优化模型（三）数据测试结合之前学习的知识，现在可以进行猫狗大战的实现了。数据集是采用猫狗大战kaggle竞赛提供的25000张图片。下面一步步来实现。使用的是tensorflow 2.1 下的keras 2.3.1版本。一、初步实现首先导入需要用到的库import os,shutilfrom tensorflow.keras import models from tensor

2021-02-05 00:08:59 1331 2

原创 keras几个模块的学习记录

目录一、layer（层）（一）Dense层(全连接层）（二）Conv2D（卷积层）（三）MaxPooling2D（池化层）（四）Flatten二、优化器（optimizers）三、ImageDataGenerator图片生成器四、fit_generatorkeras是一个开源是的python深度学习库，可以基于theano或者tenserflow，为了下步实现猫狗大战代码，现对几个要用到的模块进行学习。一、layer（层）keras中有许多定义好的层，我们可以直接调用，包括常用层（Core）、卷积层（

2021-02-04 14:58:19 339

原创 python用keras实现线性回归模型

Keras是一个用于构建和训练深度学习模型的高阶API。为了实现猫狗大战，对keras进行学习，今天用keras实现一个简单的线性回归模型。首先导入库import numpy as npimport matplotlib.pyplot as pltfrom tensorflow.keras.models import Sequential #导入keras中的Sequential API。from tensorflow.keras.layers import Dense #导入keras

2021-01-29 18:17:23 607

原创深度学习自学第一周（二）logistic 回归模型

继续自学深度学习。今天主要是对logistic 回归模型进行介绍。目录1.logistic 回归模型（一）logistic 回归模型的符号（二）损失函数（三）成本函数2.梯度下降法正向传播、反向传播3.向量化logistic 回归1.logistic 回归模型logistic 回归是一个用于二分分类的算法。我们以识别猫为例子。比如我们输入一张猫的图片，我们知道，在计算机中图片是由像素点表示的，每个像素点分别由R、G、B决定颜色，最后形成图片，所以我们可以认为一张图片是分别由代表R、G、B的三个矩阵.

2021-01-23 00:06:50 870 1

原创深度学习自学第一周（一）了解深度学习与神经网络

目录1.神经网络2.深度学习与机器学习（一）监督学习（二）无监督学习（三）结构函数就与非结构化数据3.sigmoid函数和relu函数（一）激活函数的定义（二）sigmoid函数（三）ReLU函数本周开始对深度学习进行自学，主要是对吴恩达老师的课程进行学习，整理出相关笔记并进行研究的一个模式，下面总结一下这一周的学习内容。深度学习是高度数据依赖型的算法，它的性能通常随着数据量的增加而不断增强，也就是说它的**可扩展性（Scalability）**显著优于传统的机器学习算法。1.神经网络神经网络是一.

2021-01-20 16:21:26 489

原创 Python学习记录（三）matplotlib库中pyplot的操作使用方法简单整理

matplotlib.pyplot是绘制各类可视化图形的命令子库，我们一般使用这一子模块来进行一些图形绘制从而实现数据可视化。文章目录一、绘制简单图形二、绘制直方图三、绘制饼图四、绘制三维图像一、绘制简单图形首先我们将库导入import matplotlib.pyplot as plt #导入pyplotimport numpy as np 我们先来看一段代码plt.plot([1,2,3,4]) #生成列表plt.ylabel('numbers') #对Y轴进行命名plt.show(

2020-12-04 18:46:26 2200

原创 Python学习记录（二）numpy库的操作使用方法简单整理

Python学习记录（二）numpy库的操作使用方法简单整理NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。现在通过这篇笔记简单整理一下numpy库的一些简单使用方法。主要参考了NumPy 教程 | 菜鸟教程 (runoob.com)教程。一、创建数组和数据类型二、数组的简单操作方法一、创建数组和数据类型1.ndarray的介绍NumPy 最重要的一个特点是其 N 维数组对象 ndarr

2020-12-03 01:01:38 743

原创 Python学习记录（一）PIL库对于图像操作方法的简单整理

Python学习记录（一）PIL库对于图像操作方法的简单整理首先对PIL库进行一个简单的介绍：Python图像库PIL(Python Image Library)是python的第三方图像处理库，由于其强大的功能和众多的使用人数而广为人知，主要用于对图像进行处理。本文主要从以下几个方面对PIL库的使用进行整理：目录Python学习记录（一）PIL库对于图像操作方法的简单整理一.图像读取、创建方法1.open2.save、copy3.读取图片信息4.new二.图像处理方法1.convert2.resize

2020-12-02 00:31:08 632 2

原创 C语言中字符型（char）的简单使用

C语言中字符型（char）的简单使用刚接触C语言不久，在这记录下自己的一些学习心得。今天主要是在敲代码时遇到了一个小问题，如图：应该是个比较简单的编程题。在我的想法中，应该使用循环逐个读入由A至Z的每个字母，因此要用char定义字符。先前也简单了解过char的用法,也仅局限于单个字符的用法，大概只知道以下几种：1.char的简介（1）字符型（char）用于储存字符（character），如英文字母、数字或标点。简单来说有以下几种形式：1. char a='a';2. char b='1'

2020-11-17 21:12:04 134639 23

Brigebios的博客