- 博客(70)
- 资源 (3)
- 收藏
- 关注
原创 实现人工神经网络ANN对医疗数据分类
2.3 使用ANN对医疗数据分类IBM在2015年5月宣布推出Watson Health服务,收集健康数据交给Watson超级计算机进行分析。目前IBM Waston Health最主要的应用便是在癌症的诊疗上,通过对医学影像的分析和学习,帮助医生做出对癌症患者的精准诊断。另外一方面,在每一个国家的医疗资源都是十分稀缺的,如何提高基层医生的诊疗水平显得至关重要。我们并不需要智能诊疗会取代医生,因为医
2016-12-09 20:41:07
2025
原创 机器学习初学者的误区
避开机器学习初学者最常见的5个错误在这篇文章中,我们将看到学习Machine Learning时最常出现的 5 大错误。我相信没个人都可以入门的时候就很好地使用机器学习算法。希望这篇文章能够帮助大家避开或解决大家学习和实践中的一些错误。尽量避免跳坑。1. 不要从理论开始入手2. 不要学习所有的机器学习3. 不要在算法上花费太多时间4. 不要从头开始实现所有东西5. 不要总改变使用的工具
2016-12-06 02:39:38
417
1
原创 特征工程问题
什么是特征工程,怎么做特征工程,如何做好特征工程? 特征工程:提取特征的过程。特征工程是一个包含内容很多的主题,也被认为是成功应用机器学习的一个很重要的环节。为了写这篇文章,我深入和广泛的阅读了相关材料,并且对他们进行了梳理。这篇文章主要说明了以下问题:什么是特征工程?特征工程解决了什么问题?为什么特征工程对机器学习很重要?如何进行特征工程?哪里对这个问题研究的比较好,以及在哪里你能学到更多相
2016-12-01 18:21:10
842
1
原创 图像标记第一版——公司内部文档
2016-11-8:LABEL工具第一版本,因为公司内部人员的时间和规模制约,因此使用开源python+QT的sloth工具作为图像语义分割标记软件。准备工作mac os / Linux Ubuntu 16.06 亲测sloth用在python和PyQt4实现,因此使用前需要安装python2.7和PyQt4,请注意好版本,python3需要PyQt5,因此不能用最新版本。安装好
2016-11-08 15:00:32
153
原创 全卷积网络FCN进行图像分割
背景CNN能够对图片进行分类,可是怎么样才能识别图片中特定部分的物体,在2015年之前还是一个世界难题。神经网络大神Jonathan Long发表了《Fully Convolutional Networks for Semantic Segmentation》在图像语义分割挖了一个坑,于是无穷无尽的人往坑里面跳。全卷积网络 Fully Convolutional NetworksCNN 与 FCN通
2016-10-22 12:09:50
8887
13
原创 [3] 卷积神经网络CNN 斯坦福教程
卷积神经网络 CNNs ConvNets卷积网络结构卷积网络的层结构卷积层局部连接步长 和 Padding参数共享下采样层归一化层全连接层全连接层 - 成卷积层卷积神经网络的结构层的排列规律层的尺寸设置规律网络案例计算上应注意的地方卷积神经网络 (CNNs / ConvNets)卷积神经网络和上一章讲的常规神经网络非常相似:它们都是由神经元组成,神经元中有具有学习能力
2016-10-20 17:11:47
3069
原创 [4] 卷积神经网络CNN架构分析 - LeNet
背景之前在网上搜索了好多好多关于CNN的文章,由于网络上的文章很多断章取义或者描述不清晰,看了很多youtobe上面的教学视频还是没有弄懂,最后经过痛苦漫长的煎熬之后对于神经网络和卷积有了粗浅的了解。于是在这里记录下所学到的知识,关于CNN 卷积神经网络,需要总结深入的知识有很多:人工神经网络 ANN 卷积神经网络 CNN卷积神经网络 CNN - BP算法卷积神经网络 CNN - caffe
2016-10-19 00:34:22
1849
原创 [2] 卷积神经网络CNN 图解
背景之前在网上搜索了好多好多关于CNN的文章,由于网络上的文章很多断章取义或者描述不清晰,看了很多youtobe上面的教学视频还是没有弄懂,最后经过痛苦漫长的煎熬之后对于神经网络和卷积有了粗浅的了解。于是在这里记录下所学到的知识,关于CNN 卷积神经网络,需要总结深入的知识有很多:人工神经网络 ANN卷积神经网络 CNN卷积神经网络 CNN - BP算法卷积神经网络 CNN - LetNet
2016-10-18 01:06:58
3135
原创 DeepLearning - CNN(1) - 卷积神经网络物理意义
卷积神经网络CNN的核心思想是:局部感知(local field),权值共享(Shared Weights)以及时间或空间亚采样(subsampling)这三种思想结合起来,获得了某种程度的位移、尺度、形变不变性。<font color=red>**多层网络可以根据其输入引出高阶统计特性**, 即使网络为局部连接,由于格外的突触连接和额外的神经交互作用,也可以使网络在不十分严格的意义下获得一个全局关系。</f
2016-10-17 15:49:50
2120
原创 [1] 人工神经网络 神经元模型
背景之前在网上搜索了好多好多关于CNN,卷积神经网络的文章,很多都讲如何卷积、卷积层如何操作、具体如何进行卷积计算、卷积的好处。我也在此之前走了好多弯路,已经很了解如何卷积了,但是却不知道物理意义上,卷积与神经网络之间的联系。但是鉴于大量的文章在网络上层出不穷地重复与累赘,更重要的是对于 卷积神经网络 一词当中,很多人都忽略了 神经网络 而去强调如何 卷积,因此本文主要讲述卷积神经网络中最重要的部分
2016-10-14 16:15:46
4810
原创 深度学习实践(1) - Caffe - 训练CIFAR-10数据
神马屎Caffecaffe是一个友好、易于上手的开源深度学习平台,主要用于图像的相关处理,可以支持CNN等多种深度学习网络。基于caffe,开发者可以方便快速地开发简单的学习网络,用于分类、定位等任务,也可以用于科研,在其源码基础上进行修改,实现自己的算法。本文的主要目的,是介绍caffe的基本使用方法,希望通过本文,能让普通的工程师可以使用caffe训练自己的简单模型。本文主要包括以下内容:运行c
2016-10-13 16:25:15
2002
原创 OpenCV Haar训练
目标OpenCV库为我们提供了一个非常有趣的演示:人脸检测程序。这个人脸检测程序被称为神圣而伟大的haartraining训练分类器,这样我们就可以使用这些功能创建自己的对象分类。是不是很有趣!然而,Opencv上面的代码直接给我们提供了一个已经训练好的人脸HAAR XML包,这让我情何以堪。OpenCV开发人员使用haartraining进行人脸检测,正是因为他们没有给咋们提供一些信息如
2016-09-29 14:09:08
555
原创 最小二乘法多项式曲线拟合
多项式曲线(Polynomial curve fitting)拟合最小二乘法,根据给定的m个点,并不要求这条曲线精确地经过这些点,而是曲线 y=f(x)y=f(x) 的近似曲线 y=φ(x)y= φ(x)。看图说话:原理给定数据点pi(xi,yi),其中i=1,2,…,m。求近似曲线y= φ(x)。并且使得近似曲线与y=f(x)的偏差最小。近似曲线在点pi处的偏差δi= φ(xi)
2016-09-09 19:55:40
3638
原创 机器视觉初级系列(11) - 图像色彩聚类
在实际应用中,我们很多时候需要对图像降色彩,因为256*256*256实在太多了,在图像颜色聚类或彩色直方图时,我们需要用一些代表性的颜色代替丰富的色彩空间,我们的思路是将每个通道的256种颜色用64种代替,即将原来256种颜色划分64个颜色段,每个颜色段取中间的颜色值作为代表色。用例子来理解定义:从4种颜色中,取出2种颜色,能形成多少种组合。#!/usr/bin/python# -
2016-08-24 18:48:54
430
原创 机器视觉初级系列(10) - 图像几何轮廓特征
图像几何轮廓特征虽然计算机视觉、机器视觉属于人工智能的分支之一(人工智能包括有图像识别、语音识别、语义识别等),但是对于机器视觉来说,学习图像的几何特征有着非一般的重要意义。 为什么介么说,因为在本人实际的项目当中,很多时候处理算法都是基于图像的几何轮廓特征进行计算的,例如角点计算的几种算法HOG、SIFT、SUFT…都是基于图像的几何轮廓特征的基本理论上。
2016-08-16 07:57:12
4606
1
原创 机器视觉初级系列(9) - 找到图书的轮廓
我们希望能简单地不使用SVM分类,深度学习CNN、R-CNN等神经网络方法,简单粗暴地准确识别出上图所示,摆放在桌子上的书呢?这里就用到了神秘而伟大的图像几何轮廓特征。
2016-08-05 16:57:51
3503
1
原创 机器人视觉初级系列(8) - PCA人脸降维
之前的 “机器视觉入职培训” 文章都是基于一些图像最基本、最底层的操作学习,接下来通过几个小型的项目来做点更加实际的栗子,通过机器视觉去识别物体,对物体进行分类。 这里需要学习到机器视觉中的图像特诊检测算法,例如经典的有PCA、HOG、LBP等,在接下来的文章中详细介绍这些算法,希望对新入职的小伙伴有更好的帮助。
2016-08-02 12:31:30
899
原创 机器人视觉初级系列(8) - PCA人脸识别
之前的 “机器视觉入职培训” 文章都是基于一些图像最基本、最底层的操作学习,接下来通过几个小型的项目来做点更加实际的栗子,通过机器视觉去识别物体,对物体进行分类。 这里需要学习到机器视觉中的图像特诊检测算法,例如经典的有PCA、HOG、LBP等,在接下来的文章中详细介绍这些算法,希望对新入职的小伙伴有更好的帮助。
2016-07-28 10:29:09
241
原创 机器人视觉初级系列(7) - 图像直方图均衡化(续)
在上一篇文章中直接给出图像直方图均衡化的基本思想和实例代码,这一篇文章给自己深入了解直方图均衡化具体的实现数学原理。5 直方图均衡化原理累积分布函数CDF原理其中图像直方图均衡化中最常用方法(即opencv里使用的方法)是累积分布函数CDF。在基本图形分析中,CDF可能是最不出名且最不受待见的工具。相对于直方图和KDE,它们没有太多直观上的吸引力,但CDF能够让我们对数据做出定量的描述,这是我们常
2016-07-27 20:21:54
1950
原创 机器人视觉初级系列(7) - 图像直方图均衡化
上一篇文章介绍了图像的直方图显示原理和opencv中使用calcHist得到直方图矩阵,直方图对于图像统计信息很有用哈。这一篇文章介绍利用直方图对图像进行直方图均衡化,从而达到增强图像的效果。全网最全面详细的图像直方图均衡化介绍。
2016-07-26 10:14:57
2249
1
原创 机器人视觉初级系列(4) - 图像二值化
使用opencv3.0编写c++程序,对图片进行二值化、均衡化,转换灰度图;并编写Makrfile文件对进行编译;图像二值化:一幅图像包括目标物体、背景还有噪声,要想从多值的数字图像中直接提取出目标物体,最常用的方法就是设定一个阈值T,用T将图像的数据分成两部分:大于T的像素群和小于T的像素群。其中小于阈值Threshold的图像像素点的灰度值设置为0,大于阈值Threshold的图像像素点的灰度
2016-07-25 14:57:54
1209
原创 机器人视觉初级系列(5) - 图像边缘检测
目的: 学习图像处理和Opencv基础知识,能够opencv进行独立编码,掌握opencv的基本操作;熟悉对图像的具体操作方式和图像的直方图统计方式。任务: 写一个彩色图片中的物体进行边缘检测,能识别出物体的特征区域轮廓; 写一个程序用直方图统计彩色图片像素; 写一个程序能进行直方图均衡化;
2016-07-25 13:38:56
2657
原创 机器人视觉初级系列(3) - HSV颜色分割
目的: 本博的目的就是为了更多地了解图像色彩空间,大部分图像计算基于图像色彩空间和图像统计直方图进行计算,而图像色彩空间最常用的有RGB、HSV、YUV三种格式。任务: 了解图像的常用色彩空间,熟悉图像的基本处理方式,能够使用; 图像色彩空间:RGB是工业界的一种颜色标准,是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的,这个我
2016-07-24 13:18:45
3586
原创 机器人视觉初级系列(2) - c++文件夹管理类
使用c++编写一个文件夹管理类: - 可以递归遍历指定路径的所有文件;- 编写makefile文件进行编译;- 使用makefile文件;
2016-07-23 09:54:14
1000
1
原创 机器人视觉初级系列(1) - 介绍篇
每次写博客总是喜欢吧唧吧唧几句。刚毕业找到新的公司,做人工智能机器人视觉,处于初期研发阶段。作为一个新人进入公司进行机器人视觉开发,前期需要学习一些关于机器人视觉的知识,例如Opencv,CNN,卷积、SVM、分类的随机深林,聚类的K-Means等相关知识。为了能够方便以后公司的新人更快地上手,于是在这里记录下一些前期学习的准备知识。学习目标:1、熟悉Linux开发环境,熟练运用开发工具2、个人
2016-07-20 16:43:49
1396
转载 搭建开源地图服务 - 利用OSMGIS和TilleMill
最近在研究开源地图服务的组建,故将一些点滴记录下来。本次构建所涉及到的方案可能具有个人喜好色彩(例如本人有一点点抵触Java,呵呵),因某些环节还需进一步认证,所以且行且记录。本次服务搭建,初步方案为(根据实际组建过程,可能会调整):服务器操作系统:CentOS7 (请注意此处的版本,否则之后会遇到问题)GIS数据库支持:PostgreSQL9.x + PostGIS地图数据:OSM地图瓦片
2016-07-19 08:59:54
3954
原创 6问数据挖掘:什么是根本原因分析
What is root cause analysis?什么是根本原因分析?又到了考概念的时间啦,RCA根本原因分析,这道题目估计只有在考试的时候会出现哈。不过这个方法确实很奏效,我最近在做大数据研究一个通用算法的时候就是通过RCA方法解决的。下面是一个wiki的定义根本原因分析: 根本原因分析(RCA)是一项结构化的问题处理法,用以逐步找出问题的根本原因并加以解决, 而不是仅仅关注问题的表征
2016-07-15 17:40:32
1605
原创 5问数据挖掘:怎么证明一个算法被你优化过
Q5. How can you prove that one improvement you’ve brought to an algorithm is really an improvement over not doing anything?Q5. 怎么证明一个算法被你优化过?通常这里我们会分成两种,一种是离线(off-line),一种是在线(on-line)的测试方法。在线的测试方法最最最最常
2016-07-15 17:38:57
1016
原创 3问数据挖掘:预测模型应该如何验证
Q3. How to validate a model you created to generate a predictive model of a quantitative outcome variable using multiple regression.Q3. 对于一个采用多元回归的定量结果,其预测模型应该如何验证答案:如果模型的预测值远远超出响应的变量范围,这表明要么估计效果很差,要不
2016-07-15 17:35:17
6953
原创 4问数据挖掘:什么是准确率和召回率
Q4. Explain what precision and recall are. How do they relate to the ROC curve.Q4. 解释一下什么是准确率和召回率,他们与ROC曲线有什么关系.答案:准确度P 召回率R准确率:你的预测有多少是对的召回率:正例里你的预测覆盖了多少看懂这个表走天下:ROC曲线(Receiver Operating Characteristi
2016-07-15 17:31:37
2415
原创 Hadoop2初介绍与OSX安装Hadoop2
hadoop2初介绍在之前公司工作的时候,小组长曾经抱怨过hadoop升级后不向下兼容等系列问题,使用不同的版本总是很纠结,版本分裂各种问题。后来自己找工作的途中,发现很多公司都在用hadoop搭建自己的数据中心,特别是去汇丰面试、其他几个公司面试,都很关心集群大数据问题。之前在腾讯实习的时候重点研究过hadoop1.0版本,隔了很久,开始补习一下hadoop。为什么会有hadoop2的出现?可以看
2016-07-15 17:28:57
804
原创 NMF.非负矩阵分解.--.原理与应用
1.原理发现写关于非负矩阵的博文还是蛮多的,还是以自己的角度总结一下自己的最近看的若干东西以及对非负矩阵分解有用的一些资料链接。NMF,全称为non-negative matrix factorization,中文呢为“非负矩阵分解”。NMF的思想:V=WH(W权重矩阵、H特征矩阵、V原矩阵),通过计算从原矩阵提取权重和特征两个不同的矩阵出来。属于一个无监督学习的算法,其中限制条件就是W和H中的所有
2016-07-15 17:28:02
5891
3
原创 NMF.非负矩阵分解(Non-negative.Matrix.Factorization)实践
1. NMF-based 推荐算法在例如Netflix或MovieLens这样的推荐系统中,有用户和电影两个集合。给出每个用户对部分电影的打分,希望预测该用户对其他没看过电影的打分值,这样可以根据打分值为其做出推荐。用户和电影的关系,可以用一个矩阵来表示,每一列表示用户,每一行表示电影,每个元素的值表示用户对已经看过的电影的打分。下面来简单介绍一下基于NMF的推荐算法。在python当中有一个包叫做
2016-07-15 17:27:06
4800
1
原创 JAVA自学经典例子(1-10)
JAVA自学经典例子《JAVA自学经典例子》是一个从Python转JAVA的小猿的自学过程记录,没有打算从书上或者视频学起,纸上得来终觉浅呐!经过大量的人工代码和人工校正,记录下来自己的自学经典例子,希望能够与一起在学习JAVA的人同行(当然希望指出错误之处)。
2016-07-11 23:28:55
1857
原创 JAVA-使用UDP通讯的例子
DatagramSocketDatagramSocket是基于 UDP 协议的,Socket是基于TCP协议的。Java使用DatagramSocket代表UDP协议的Socket,DatagramSocket本身只是码头,不维护状态,不能产生IO流,它的唯一作用就是接收和发送数据报,Java使用DatagramPacket来代表数据报,DatagramSocket接收和发送的数据都是通过Datag
2016-07-11 11:47:15
300
原创 JAVA-实现简单的web服务器
JAVA-实现简单的web服务器一直以来,我都以为web服务器是一个非常复杂的系统,需要有着高深的理论知识才能去写这么一个软件,它应该是一个团队才可以应付的事情。当然,也想过它的工作原理,无非是绑定一个端口,然后处理web请求并做出相应的响应。最开始肯定是用socket绑定一个端口,接下来试着从浏览器访问这个端口。没想到,还真能将请求发到这个socket里头来,把请求内容输出以后,发现正是http协
2016-07-11 00:22:20
872
原创 Lambda表达式的作用
写在前面的废话:哎呀,刚才又伤啦,好不容易争取了一个戴尔的技术面试,面试官打电话过来问了好多技术的问题。就是有些东西会的,但是又说不出口,这是怎么地回事呢。难道是我的表达能力器官坏了还是什么呢。不行了,感觉自己大脑容量已经到达极限了,我要增加内存。何为Lambda编程中提到的 lambda 表达式,通常是在需要一个函数,但是又不想费神去命名一个函数的场合下使用,也就是指匿名函数,它能够出现在Pyth
2016-07-08 16:54:10
1239
原创 HTTP协议全解
今天面试了一家创业公司,问的技术问题都问得好深,想想自己做过的项目,其实很多都是基于业务上的理解去开发。最重要的是创业失败之后已经半年多没有怎么接触代码了,很多HTTP网络的东西,细节的东西都忘得差不多了,大概我还是能知道的,但是细节真实不堪入目呀,看来要恶补一下。大脑容量不够,求解药。HTTP特征:1.支持客户/服务器模式。2.简单快速:客户向服务器请求服务时,只需传送请求方法和路径。请求方法
2016-07-07 12:17:53
1049
caffe classify 修改文件
2016-10-13
Dash for mac 3.3 破解版
2016-08-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人