![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Machine Learning
文章平均质量分 93
One__Coder
这个作者很懒,什么都没留下…
展开
-
face recognition&&one-shot learning
1、人脸验证与人脸识别:(1)人脸验证(Verification)Input:图片、名字/IDOutput:输入的图片是否是对应的人1 to 1问题(2)人脸识别(recognition)拥有一个具有K个人的数据库输入一副人脸图像如果图片是任意这k个人中的一位,则输出对应人的ID2、one shot learning对于大多数的人脸识别系统都存在一个问题就是...原创 2018-07-26 21:49:23 · 1207 阅读 · 0 评论 -
【FCN】Fully Convolutional Networks for Semantic Segmentation
CVPR2015文章目录概述细节部分1、Introduction2、Related workFCN是一篇整体思想比较简单的论文,但是其训练的方法有许多的尝试,FCN可以说是深度学习引入语义分割的开山之作,文章主要强调了两个点:1、全卷积网络(FCN);2、端到端的学习(trained end-to-end)。概述解决什么问题?使用深度学习来解决图像分割的问题使用的方法?使用了图...原创 2018-11-24 08:58:36 · 431 阅读 · 0 评论 -
【SegNet】 A Deep Convolutional Encoder-Decoder Achitecture for Image Segmentation
PAMI2017(IEEE Transactions on Pattern Analysis and Machine Intelligence)这篇论文的内容有点多,所以就跟着论文的节奏来写这篇博客了。文章目录概述IntroductionLiterature reviewArchitectureOneTwoThreeTraining根据论文的abstract来看,可以先总结如下:概述...原创 2018-11-28 21:31:23 · 597 阅读 · 0 评论 -
【Unet系列】Unet & Unet++
文章目录U-net概述细节部分1、结构的解析2、一些小点resultUnet++概述细节部分resultsummaryU-netU-Net是一篇基本结构非常好的论文,主要是针对生物医学图片的分割,而且,在今后的许多对医学图像的分割网络中,很大一部分会采取U-Net作为网络的主干。概述博客都将用一个概述对论文进行一个很简介的概述:解决什么问题?医学图像的分割使用的方法?继...原创 2018-11-27 13:01:12 · 87312 阅读 · 31 评论 -
【DeeplabV1 & DeeplabV2】Semantic Image Segmentation with Deep Convolutional Nets And FC CRFs
ICLR 2015 (International Conference on Learning Representations)github-caffe文章目录概述细节section1section2section3resultConclusion概述解决的问题?语义分割;相对于以往的工作,要让分割的边界更加的精确(导致不精确的根本原因是高层特征的平移不变性,微微小的位置细节变...原创 2018-12-04 20:21:18 · 465 阅读 · 0 评论 -
【DSN】Deeply-Supervised Nets
这是一篇2014年的论文,还是有点年代感的,因为在Unet文章目录概述细节部分1、Motivation2、结构3、FormulationExperiments概述设计目的?让隐藏层的学习过程可以更加直接(direct)和透明(transparent)。减少分类的错误。让学习的特征更加的鲁棒性和discriminativeness(易区分的,独特的)更好的解决梯度爆炸和梯度消失的...原创 2018-11-30 16:02:18 · 4511 阅读 · 0 评论 -
【DeepLabV3】Rethinking Atrous Convolution for Semantic Image Segmentation
文章目录概述细节ChallengeOur Workresult概述以下主要来自其官方PPT文中提出两个语义分割的challenges:1、连续池化和下采样会让后面特征的分辨率下降,这对于做精细的分割是不利的。2、多尺度目标的存在。相对于V1、V2的改变:V3所提出的框架可以应用到任意的网络中,应该指的是主干网络。最后的ResNet block被重用多次,被安排进行级联操...原创 2018-12-06 11:24:32 · 483 阅读 · 0 评论 -
【DeepLabv3+】Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation
这篇论文呢是参与了DeepLab整个系列的作者Liang-Chieh Chen的又咦新作。在V3的基础上进行的优化更新,故,又叫V3+。这个一作还参与了MaskLab系列和MobileNet系列的工作,其中就会设计到MobileNet的一些方法。ECCV2018...原创 2018-12-16 21:42:32 · 841 阅读 · 0 评论 -
【ExtremeNet】: Bottom-up Object Detection by Grouping Extreme and Center Points
2019年的论文文章目录概述细节ResultsConclusion概述要解决的问题针对Anchor问题来进行思考的设计采用的方法One stage仿CornerNet,但是CornerNet是使用的 左上角和右下角两个点检测,而本论文是对top, left, bottom, right四个极端点,再加上一个center点来进行检测。借鉴了DEXTR的极端点方法。...原创 2019-03-03 12:15:56 · 910 阅读 · 0 评论 -
【DEXTR】Deep Extreme Cut:From Extreme Points to Object Segmentation
CVPR 2018文章目录概述细节ResultsConclusionkeypoint & problem概述要解决的问题弱监督分割通过一个object的left-most, right-most, top, bottom pixels作为输入(最初由Papadopoulos等人的Extreme clicking for efficient object annotatio...原创 2019-03-03 22:28:18 · 3615 阅读 · 0 评论 -
【YOLO】You only look once系列
YOLOV11、综述Yolov1是CVPR2016的论文,Yolov1的网络速度很快,可以实时处理图片,达到45fps,还有一种改进的fast Yolo(减少了一些卷积层),可以达到155fps,精度也比较高,虽然会在定位上错误比较高,但是会在将背景预测为正样本的情况较少。主要的思想就是将一幅图片分成一个SxS grid,每个cell负责检测落在其中的gt框内容,那么只有当gt框的中心落在...原创 2018-11-16 21:58:02 · 2125 阅读 · 0 评论 -
caffe概览
参考1、caffe简单介绍优点:速度快。Google Protocol Buffer数据标准为caffe提升了效率。 学术论文采用此模型比较多。缺点:曾更新过重要函数接口。可能会造成版本兼容问题。 对某些研究方向的人并不合适caffe的代码层次:数据的保存、交换以及操作基本都是以blob的形式进行的,layer是模型和计算的基础,net整合并连接layer。Blob:是...原创 2018-08-16 19:58:32 · 266 阅读 · 0 评论 -
【Fast RCNN】Fast R-CNN论文笔记
本文分两个部分,第一个部分是论文的笔记,第二个部分是结合代码来看fast-RCNN。论文部分:主要是为了对RCNN,SPPnet的效果上的改进,下面简述了一些RCNN的缺点:Training is a multi-stage pipeline Training is expensive in space and time object detection is slow对于R...原创 2018-08-15 20:54:24 · 274 阅读 · 0 评论 -
Keras
Keras是由纯python编写的基于theano/tensorflow的深度学习框架。Keras是一个高层神经网络API,支持快速实验,能够把你的idea迅速转换为结果,如果有如下需求,可以优先选择Keras:a)简易和快速的原型设计(keras具有高度模块化,极简,和可扩充特性)b)支持CNN和RNN,或二者的结合c)无缝CPU和GPU切换Keras模块结构:使用Ker...原创 2018-07-23 08:45:03 · 6705 阅读 · 2 评论 -
tensorflow
看完训练一个神经网络的代码后的一个总结:start:(1)此处的variable在代码中使用W = tf.get_variable('W'. shape = [n1, n2, ...], initializer=....)来代替。注意:tf.Variable()和tf.get_variable()都可以用来创建变量,但是前者会自动保证唯一性,而后者不能保证唯一性。(2)若有需要in...原创 2018-07-23 08:44:40 · 399 阅读 · 0 评论 -
CNN代码部分
1、the functions we need implement一个卷积与一个切片部分计算的过程代码:filter就是我们的w值def conv_single_step(a_slice_prev, W, b): """ Apply one filter defined by parameters W on a single slice (a_slice_prev) ...原创 2018-07-23 08:42:06 · 4071 阅读 · 0 评论 -
优化算法代码部分
1、mini-bacth:在一个简单的神经网络上的对比:(Batch)Gradient Descent:X = data_inputY = labelsparameters = initialize_parameters(layers_dims)for i in range(0, num_iterations): # Forward propagation a,...原创 2018-07-17 20:08:11 · 1723 阅读 · 0 评论 -
吴恩达深度学习——优化算法
1、mini-batch梯度下降法:mini-batch size=m,就是我们平常用的梯度下降,即batch梯度下降mini-batch size=1,则为随机梯度下降:每次迭代,只对一个样本进行梯度下降,大部分时间你向着全局最小值靠近,但有时候会远离最小值,因为那个样本恰好指的方向不对,因此随机下降是又很多噪声的。平均看来,它最终会靠近最小值,因为随机下降法永远不会收敛,而是会在最小值...原创 2018-07-17 08:31:02 · 1274 阅读 · 0 评论 -
吴恩达机器学习——04卷积神经网络(3)
这一节的内容是目标检测。一、目标定位与特征点检测二、目标检测三、卷积的滑动窗口实现四、Bounding Box预测五、交并比、非极大值抑制与Anchor Boxes六、YOLO算法七、候选区域 一、目标定位与特征点检测1、目标定位 1.1、图片检测问题: (1)分类问题:判断图中是否为汽车 (2)目标定位:判断是否为汽车,并确定...原创 2018-07-15 11:47:49 · 828 阅读 · 0 评论 -
吴恩达深度学习——04卷积神经网络(2)
第四章第二周的学习,到现在为止还没有开始写这一章的代码的。理论的内容稍稍有点多。第二周是深度卷积网络的实例探究(Deep convolution models: case studies)。这一节主要介绍了几个比较经典的卷积神经网络和一些构建神经网络时的小技巧。一、Classic networks: LeNet-5、AlexNet、VGG二、ResNet三、Incep...原创 2018-07-14 09:53:54 · 787 阅读 · 0 评论 -
吴恩达深度学习——04卷积神经网络(1)
这一节主要是对卷积神经网络(CNN)的一个了解和基础知识的学习,本文主要记录了自己在学习时的笔记内容。 对于计算机视觉应用来说,肯定不希望其处理小图片,要处理的都是比较大的图片,但是因为数据量的巨大让人无法接受,因此需要进行卷积运算。1、边缘检测直观上的图形显示示例: 上面的图片,分别是通过垂直边缘检测和水平边缘检测得到的不同的结果。(1)垂直边缘检测:...原创 2018-07-09 21:52:21 · 656 阅读 · 2 评论 -
深度学习的一些数据集介绍
数据集分为三类:图像处理相关数据集,自然语言处理相关数据集和语音处理相关数据集。参考:here以下主要是图像处理相关数据集。1、mnist:详情MNIST数据来自美国国家标准与技术研究所,National Institute of Standards and Technology(NIST)训练集(training set)来自250不同的人手写的数字构成,其中50%是高中学生,50%...原创 2018-08-13 16:11:00 · 5686 阅读 · 3 评论 -
Cascade network——multi-stage refinement
文章目录ListPreviewAttractioNet(2016)CRAFT:CRAFT Objects from Images(2016)ListCascade R-CNNCombine Cascade R-CNN and Mask R-CNN——Cascade Mask R-CNNHybrid Task Cascade for Instance SegmentationPrevi...原创 2019-07-29 14:54:00 · 1579 阅读 · 0 评论