Enochzhu的博客

import numpy as npimport cv2import os# 获得视频对象 in_path = "D:/SIAT/UCAS/Affective Computing/video"names = os.listdir(in_path)out_path = 'D:/SIAT/UCAS/Affective Computing/video_processed'for name in names: index = name.rfind('.') name = name[:

CNN图像分类网络一点废话：CNN网络主要特点是使用卷积层，这其实是模拟了人的视觉神经，单个神经元只能对某种特定的图像特征产生响应，比如横向或者纵向的边缘，本身是非常简单的，但是这些简单的神经元构成一层，在层数足够多后，就可以获取足够丰富的特征。从机制上讲，卷积神经网络与人的视觉神经还真是像。下面进入正题。LeNet（1998）网络基本架构为：conv1 (6) -> pool1 -> conv2 (16) -> pool2 -> fc3 (120) -> fc4 (84

KNN（最近邻分类）在图像分类中的应用如图所示，左侧为待检测图像，右侧为已知图像类别的图像。将待检测图像与每个已知类别的图像进行L1或L2距离的计算，所得距离越小二者图片相似度越高。将右侧图像按照计算所得的距离由小到大排列，将最近的K（K=1,2,3…）张图像的类别作为待测图像的类别。两个相同的尺寸的图像可以用两个大小相同的矩阵表述，将两个矩阵对应的元素做差后整体求和就是L1距离，对对应元素做差的平方在整体求和后开根号就是L2距离。L2相较于L1对于坐标系变换旋转的影响不敏感。线性分类器如图所

目录1.卷积神经网络介绍1.1各层介绍1.2卷积神经网络可视化介绍1.卷积神经网络介绍1.1各层介绍卷积神经网络类似于普通的神经网络，由可学习权重的神经元组成，由于其在图像处理上的优势，经常用于计算机视觉处理相关领域。整个卷积神经网络的简单理解为一个打分函数，将原始的图像像素作为输入，将对分类的评分作为输出。在最后的全连接层内，损失函数用于对权重进行评分。卷积神经网络是专门为图像处理设计的，其在向前传播的过程中更加有效率，并且大幅减少了网络中的参数数量。如图2.1所示为卷积神经网络与全连接神经网络对

目录文章目录IOU & GIOU & DIOU 介绍及其代码实现目录IOU介绍计算代码GIOU介绍代码DIOU介绍代码CIOU介绍DIOU CIOU结果分析代码总结参考资料IOU介绍IoU 的全称为交并比（Intersection over Union），通过这个名称我们大概可以猜到 IoU 的计算方法。IoU 计算的是 “预测的边框” 和 “真实的边框” 的交集和并集的比...

读取文件夹内所有文件数，随机分成训练集、测试集，将生成的text文件遍历后，移动xml文件和jpg图片到训练集测试集中import os import randomfrom shutil import copyfile def create_main_txts(trainval_percent, train_percent): xmlfilepath = '/home/pe...

import ospath_name = r'G:/data_annimal/data/' # 批量修改的文件夹路径i = 1 # 起始数字#f = open('G:/data_annimal/1.txt', mode='w') # 生成一个txt文件用于记录原始名和新名for item in os.listdir(path_name): original_name = o...

残差网络（Residual Networks, ResNets） </h1> <div class="clear"></div> <div class="postBody"> <div id="cnblogs_post_des...

在机器学习、深度学习中使用的优化算法除了常见的梯度下降，还有 Adadelta，Adagrad，RMSProp 等几种优化器，都是什么呢，又该怎么选择呢？在 Sebastian Ruder 的这篇论文中给出了常用优化器的比较，今天来学习一下：https://arxiv.org/pdf/1609.04747.pdf本文将梳理：每个算法的梯度更新规则和缺点为了应对这个不足而提出的下...

...