- 博客(29)
- 资源 (1)
- 收藏
- 关注
转载 深度学习进阶之路 - 从迁移学习到强化学习
一. 深度学习及其适用范围 大数据造就了深度学习,通过大量的数据训练,我们能够轻易的发现数据的规律,从而实现基于监督学习的数据预测。 没错,这里要强调的是基于监督学习的,也是迄今为止我在讲完深度学习基础所给出的知识范围。 基于卷积神经网络的深度学习(包括CNN、RNN),主要解决的领域是 图像、文本、语音,
2017-09-05 16:15:23
1058
转载 (三论文)目标检测 - Tensorflow Object Detection API几种模型的对比
一. 找到最好的工具 “工欲善其事,必先利其器”,如果你想找一个深度学习框架来解决深度学习问题,TensorFlow 就是你的不二之选,究其原因,也不必过多解释,看过其优雅的代码架构和工程化实现之后,相信这个问题不会有人再提,这绝非 Caffe an so on 所能比拟的。 回到题头 - 目标检测,相信你一定看过这篇 Paper: Speed/accu
2017-09-05 15:25:23
4100
2
原创 (二) Ubuntu安装新版tensorflow以及目标检测API
https://github.com/tensorflow/models/blob/master/object_detection/g3doc/installation.md#installation 安装指南InstallationDependenciesTensorflow Object Detection API depends on the following librar
2017-09-05 15:20:27
2563
原创 (一)Google发布了一个新的Tensorflow物体识别API
做图像识别有很多不同的途径。谷歌最近发布了一个使用Tensorflow的物体识别API,让计算机视觉在各方面都更进了一步。这篇文章将带你测试这个新的API,并且把它应用在youtube上(可以在GitHub上获取用到的全部代码https://github.com/priya-dwivedi/Deep-Learning/blob/master/Object_Detection_Tensorf
2017-09-05 15:08:47
3283
1
原创 YOLO安装与配置
This post will guide you through detecting objects with the YOLO system using a pre-trained model. If you don't already have Darknet installed, you should do that first. Or instead of reading all th
2017-07-12 17:03:59
3110
转载 YOLO——基于回归的目标检测算法
YOLO: You Only Look Once:Unified, Real-Time Object Detection 这篇论文的内容并不多,核心思想也比较简单,下面相当于是对论文的翻译! YOLO是一个可以一次性预测多个Box位置和类别的卷积神经网络,能够实现端到端的目标检测和识别,其最大的优势就是速度快。事实上,目标检测的本质就是回归,因此一个实现回归功能的CNN
2017-07-12 15:39:49
22245
1
转载 Tensorflow学习之旅(十一)——VGG网络与实践评测
1.VGGNet简介 VGGNet这个名字是怎么来的?是牛津大学计算机视觉组(Visual Geometry Group)和Google DeepMind公司研究员一起研发是深度卷积网络。上图显示的是VGGNet各级别的网络结构图,还有每个级别的参数量,从11层网络一直到19层的网络都有详尽的性能测试。虽然从A到E每一级网络逐渐变深,但是网络的参数量增加的并没有很多,那
2017-07-07 15:07:16
639
原创 Tensorflow学习之旅(十)——降噪自编码
为什么叫去噪呢,是因为我们在之前输入的数据是加了高斯噪声的,但是我们在学习特征时是不能把噪声也学进去的,所以这里还实现了隐层上用tf.nn.softplus()激活函数?不知道理解是否正确!看代码吧!就是一个三层的自编码器,只不过在输入加上了噪声。# -*- coding: utf-8 -*-"""Created on Tue Jun 20 12:59:16 2017@au
2017-07-07 09:45:34
2346
原创 Tensorflow学习之旅(九)——自编码AutoEncoder
一、概述AutoEncoder大致是一个将数据的高维特征进行压缩降维编码,再经过相反的解码过程的一种学习方法。学习过程中通过解码得到的最终结果与原数据进行比较,通过修正权重偏置参数降低损失函数,不断提高对原数据的复原能力。学习完成后,前半段的编码过程得到结果即可代表原数据的低维“特征值”。通过学习得到的自编码器模型可以实现将高维数据压缩至所期望的维度,原理与PCA相似。
2017-07-04 17:14:31
931
原创 机器学习(5)——回归
这里的回归不是logistic回归,logitistic回归实际上是一个分类器!一、线性回归(最小二乘) 通过最小化平方误差,求解回归系数w。即平方误差对w求导=0,解w。w=(X.T * X).I * X.T *Y eg:最佳你和曲线二、局部加权线性回归LWLR 局部加权回归其实只是相当于对不同样本之间的关系给出了一个权重,所以叫
2017-07-03 16:50:31
566
原创 机器学习(4)—— Adaboost学习
《机器学习实战》第七章 总结:Adaboost是一个2分类器Adaboost其中的弱分类器可以是任意一种分类器,但是常用的是单层决策树每一层弱分类器包括:特征维度Index; 阈值(在这一特征维度上的); 哪边是正lt or gt; 弱分类器的权重αi每一层弱分类器的确定包含三个循环:特
2017-07-03 11:04:07
257
原创 机器学习(3)——SVM学习
重点梳理: (1)支持向量机SVM方法的关键是找到支持向量,怎么找呐? 通过找到拉格朗日乘子,每个样本都对应一个i,但是非支持向量对应的i=0。 这里还会得到超平面的参数b (2)支持向量中的标签用-1和+1,或者其他相反数对,不能用0和1。 (3)找到i≠0对应的支持向量后,只有这些支持向量对分类有用,非支持向量对后面的
2017-06-29 16:10:09
275
转载 机器学习(1.1)——Logistic回归的详细推导
这篇文章写得太好了,正好我也在看机器学习实战这本书!机器学习实战书中没有具体推理权重向量θ更新的过程,仅仅是下面三行代码(1)求A=x.θ;(2)求E=sigmoid(A)-y;(3)求θ:=θ-α.x'.E,x'表示矩阵x的转置。 为什么这样更新???Logistic回归总结作者:洞庭之子微博:洞庭之子-Bing
2017-06-25 21:53:28
744
原创 机器学习(2)朴素贝叶斯Naive Bayesian 应用举例
一、朴素贝叶斯算法介绍朴素贝叶斯,之所以称为朴素,是因为其中引入了几个假设。而正因为这几个假设的引入,使得模型简单易理解,同时如果训练得当,往往能收获不错的分类效果,因此这个系列以naive bayes开头和大家见面。因为朴素贝叶斯是贝叶斯决策理论的一部分,所以我们先快速了解一下贝叶斯决策理论。举例: 假设有一个数据集,由两类组成(简化问题),对于
2017-06-23 14:56:03
687
转载 机器学习(1)--logistic回归和softmax回归
logistic回归和softmax回归放在一起总结一下,其实softmax就是logistic的推广,logistic一般用于二分类,而softmax是多分类。 logistic回归虽然也是叫回归,其实本身是用来分类的,logistic可以被看成是一种概率的估计,类似于线性回归的归一化,将输出值映射为(0,1),输入值大于0.5被分为1类,小于0.5被分为0类。
2017-06-22 09:25:21
773
1
转载 如何评价rcnn、fast-rcnn和faster-rcnn这一系列方法
关于目标检测的深度学习方法,知乎有个专栏的解释非常好,特此记录! 链接:https://www.zhihu.com/question/35887527RCNN 解决的是,“为什么不用CNN做classification呢?”(但是这个方法相当于过一遍network出bounding box,再过另一个出label,原文写的很不“elegant”Fast-RCNN
2017-06-20 16:27:46
1167
转载 (八)Tensorflow学习之旅——理解过拟合overfitting
上一篇文章中说了dropout可以防止模型训练过拟合,那什么是过拟合呐?转载两篇博客了解一下。 最经典的一个举例是天鹅那个例子:(1)打个形象的比方,给一群天鹅让机器来学习天鹅的特征,经过训练后,知道了天鹅是有翅膀的,天鹅的嘴巴是长长的弯曲的,天鹅的脖子是长长的有点曲度,天鹅的整个体型像一个“2”且略大于鸭子.这时候你的机器已经基本能区别天鹅和其他动物了。(2)然后,
2017-06-19 16:42:10
2074
转载 (七)Tensorflow学习之旅——理解dropout
在编写tensorflow程序的时候,会发现训练的时候dropout的参数keep_prob=0.8(0.5,0.9等等),在测试的时候keep_prob=1.0,即不进行dropout。 关于dropout到底是什么,下面这篇博客写的很好,尊重原创,本文已注明是转载文章。 理解dropout注意:图片都在github上放着,如果刷不开的话,可以考虑翻墙。转载请注
2017-06-19 15:46:22
5103
转载 (六)TensorFlow学习之旅——深入理解AlexNet
前言前面看了一些Tensorflow的文档和一些比较有意思的项目,发现这里面水很深的,需要多花时间好好从头了解下,尤其是cv这块的东西,特别感兴趣,接下来一段时间会开始深入了解ImageNet比赛中中获得好成绩的那些模型: AlexNet、GoogLeNet、VGG(对就是之前在nerual network用的pretrained的model)、deep residual networks
2017-06-15 21:55:08
871
转载 【Caffe实践】基于Caffe的人脸检测实现
0. 引言深度学习可以说是在人脸分析相关领域遍地开花,近年来在人脸识别,深度学习在人脸检测,人脸关键点检测中有很广泛的应用,这篇文章中,初步实现了基于深度学习CNN的人脸检测。1. 方法讨论深度学习一般没有进行直接的检测,现有的检测大多都是基于分类的检测,主要的方法有两种:1.1. 基于滑动窗口的分类最典型的方法就是OverFeat那一套,其主要的方法是:对
2017-06-15 17:09:24
748
原创 (四)Tensorboard学习——mnist_with_summaries.py
Tensorboard是一个可视化工具,通过mnist_with_summaries.py这个文件可以对其有个很好的了解! 我对其进行了比较详细的注释! 这个网址的视频非常好,下面这个视频对这个文件有详细的讲解: http://v.youku.com/v_show/id_XMjczNjQzMjY5Mg==.htmlfrom __future__ import ab
2017-06-14 22:09:39
2210
原创 (四)Tensorflow学习之旅——MNIST分类的卷积神经网络CNN示例
一个比较简单的CNN模型:输入:28*28,需要将输入数据reshape成28*28隐层1:32个神经元,卷积核5*5,池化2*2最大池化,卷积后特征图大小不变,池化后特征图为14*14,RELU隐层2:64个神经元,卷积核5*5,池化2*2最大池化,卷积后特征图大小不变,池化后特征图为7*7,RELU 展开7*7的图像为49维向量,共7*7*64维
2017-06-12 21:21:49
487
原创 (三)tensorflow学习之旅——mnist的softmax分类示例
Tensorflow的学习文档有不少,但是最好找一个文档,从简单到复杂,逐步学习!我选择的是Tensorflow官方文档中文版(极客学院翻译)。Tensorflow可以用于机器学习和深度神经网络算法的开发,但是其用于机器学习时,要用tf的语句语法编写算法,算法没有封装起来,比较麻烦,无法体现tf的强大!机器学习方面的库有不少,API封装的也非常好,例如Scikit-learn。所以学习
2017-06-12 20:04:12
790
原创 (二)Ubuntu下安装tensorflow
Ubuntu下安装tensorflow非常的简单!1、在这个窗口中输入命令:$ sudo apt-get install python-pip python-dev如果之前安装过,会有提示如下:2 安装Tensorflow了,指令如下:$ sudo pip install --upgrade https://storage.g
2017-06-12 19:53:51
285
原创 (一)Windows下tensorflow安装 win64+Python3.5
2016年11月29日,TF官方宣布0.12版tensorflow支持原生windows操作系统,不在需要通过Docker进行安装。tf初学者,windows重度依赖用户,可以按照下面这种可行的安装方法进行。一、安装Python1、通过Pip在Windows上安装PythonTensorFlow在Windows上只支持64位Python3.5,可以通过Pyt
2017-06-12 17:18:18
3937
原创 Faster_RCNN配置步骤(win7+GTX TITAN X + CUDA7.5)----by jhj
请务必按照步骤操作,没有上图片,按照步骤操作应该没有问题,转载请注明!--jhj1.下载 FasterR-CNN程序包 https://github.com/ShaoqingRen2. 配置 CUDA7.5 之前下载CUDA6.5,安装的时候总是报错,如下: 系统检测的时候出现:the graphics driver could not find comp
2016-11-07 20:45:28
2180
1
原创 &a用于指向变量
#include "stdafx.h"#includeint _tmain(int argc, _TCHAR* argv[]){int gnum = 8;int &Arear = gnum;printf("gnum =%x\n", gnum );printf("&gnum=%x\n", &gnum);printf("Arear=%x\n", Area
2016-10-08 10:32:49
373
原创 caffe的 MATLAB和python接口学习:生成deploy文件
如果要把训练好的模型拿来测试新的图片,那必须得要一个deploy.prototxt文件,这个文件实际上和test.prototxt文件差不多,只是头尾不相同而也。 下图是caffenet的deploy.prototxt文件的可视化 deploy文件没有第一层数据输入层,也没有最后的Accuracy层,但最后多了一个Softmax概率层。name: "Ca
2016-09-03 10:44:42
480
原创 windows下编译Caffe的MATLAB接口
一、VS2013编译工程 VS2013打开MSVCmex这个工程,直接运行发现不能编译。 修改如下用editplus打开matcaffe.vcxproj中,把里面所有的cuda6.0改成cuda6.5,之后把其中所有的C:/programme/matlab改为你自己的matlab地址。保存。 编译工程里面的matcaffe一项,此时先选择release选项,x64
2016-09-03 10:21:45
964
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人