- 博客(7)
- 资源 (19)
- 问答 (2)
- 收藏
- 关注
原创 [Intensive Reading]目标检测(object detection)系列(一) R-CNN:CNN目标检测的开山之作
R-CNN提出于2014年,应当算是卷积神经网络在目标检测任务中的开山之作了,当然同年间还有一个overfeat算法,在这里暂不讨论。R-CNN的论文是《Rich feature hierarchies for accurate oject detection and semantic segmentation》,在之后的几年中,目标检测任务的CNN模型也越来越多,实时性与准确率也越来越好,但是最为经典的模型还是很值得学习的。
2017-09-27 14:55:11 11951 3
原创 学习KNN(三)KNN+HOG实现手写数字识别
在学习KNN(二)KNN算法手写数字识别的OpenCV实现我们直接将像素值作为特征,实现了KNN算法的手写数字识别问题,并得到了较好的准确率,但是就像其他机器学习算法一样,KNN的对象同样是特征,所以我们可以用一种特征提取算法配合KNN实现手写数字识别的任务。 下面用HOG原理及OpenCV实现中介绍的HOG算法提取特征,作为KNN的的输入,最后与像素值特征的结果进行对比。 在数据方面还是使用之
2017-09-25 14:00:36 3876 4
原创 二值交叉熵损失函数证明
在理解Logistic回归算法原理中我们指出了Logistic回归的损失函数定义(在这里重新约定符号): 对于单个样本而言,令为样本的期望输出,记为y;为样本的实际输出,记为y_hat,那么Logistic回归的损失函数就可以表示为: 而对于全体样本集的成本函数,就可以表示为: 与损失函数不同的是,它描述了在全体样本上集上,模型的参数w和b与优化目标之间的关系,在这两个公式中,成本函数其实是损
2017-09-25 09:54:09 21833 8
原创 学习KNN(二)KNN算法手写数字识别的OpenCV实现
在OpenCV的安装文件路径/opencv/sources/samples/data/digits.png下,有这样一张图: 图片大小为1000*2000,有0-9的10个数字,每5行为一个数字,总共50行,共有5000个手写数字,每个数字块大小为20*20。 为了后续方便处理,我们先写一段小程序把这5000个图截取出来:#include <opencv2/opencv.hpp>#incl
2017-09-13 15:38:13 5686 7
原创 学习KNN(一) 图像分类与KNN原理
学习KNN(一) 图像分类与KNN原理 学习KNN(二)KNN算法手写数字识别的OpenCV实现 学习KNN(三)KNN+HOG实现手写数字识别简介KNN算法,即K近邻算法是一种监督学习算法,本质上是要在给定的训练样本中找到与某一个测试样本A最近的K个实例,然后统计k个实例中所属类别计数最多的那个类,就是A的类别。 从上面一句话中可以看出,KNN的原理非常简单粗暴,而且是一种“在...
2017-09-11 22:47:54 17356 5
原创 C++ 智能指针
转载自:C++ 智能指针详解简介由于 C++ 语言没有自动内存回收机制,程序员每次 new 出来的内存都要手动 delete。程序员忘记 delete,流程太复杂,最终导致没有 delete,异常导致程序过早退出,没有执行 delete 的情况并不罕见。 用智能指针便可以有效缓解这类问题,本文主要讲解参见的智能指针的用法。包括:std::auto_ptr、boost::scoped_ptr、boo
2017-09-06 21:34:19 581
原创 C++ 指针常量与常量指针
吐槽一下: 指针常量与常量指针的翻译就好比机器学习中Regularization翻译成正则化一样,讲真,正则化这个说法确实要比规则化显得高端些,但是到了理解的时候,还是要按照规则化理解。指针常量与常量指针这个概念是一样的,英文里没有pointer const这个词,只有pointer to const和const pointer这两个词。而不管是指针常量还是常量指针他们的区别其实就是const关键
2017-09-06 15:28:42 839
眼球跟踪定位算法,eyelike
2018-04-14
numpy-1.10.0
2017-05-13
matplotlib-1.3.0
2017-05-13
软件加密工具Zprotect
2017-03-22
《机器学习实战》源码
2017-02-13
《机器学习实战》源代码
2017-01-24
Halcon试用版生成C++代码
2017-04-03
软件设计中,加入动态模型的方法
2017-01-07
TA创建的收藏夹 TA关注的收藏夹
TA关注的人