機器學習
hanlinger_
人工智障 深度瞎学
展开
-
Sampled Training and Node Inheritance for Fast Evolutionary Neural Architecture Search
摘要—深度神经网络的性能在很大程度上取决于其体系结构,并且已经针对自动化网络体系结构设计开发了各种神经体系结构搜索策略。最近,由于进化算法具有吸引人的全局优化功能,进化神经体系结构搜索(ENAS)受到了越来越多的关注。但是,由于进化优化中通常需要进行大量的性能评估,并且训练深度神经网络本身的计算量很大,因此ENAS承受着极高的计算成本。为了解决这个问题,本文提出了一种基于有向无环图的快速ENAS进...原创 2020-05-28 17:20:29 · 1235 阅读 · 0 评论 -
latex > Runaway argument? > ! File ended while scanning use of 。。。
> Runaway argument?> ! File ended while scanning use of xxx.遇到这种错打一顿 latex就好了。。。开玩笑删掉aux文件,重新编译就好了。原创 2019-12-03 16:07:31 · 5037 阅读 · 6 评论 -
使用Latex编辑IEEE模板【插入图片】时出现“undefined control sequence”问题的解决方法
网上查了方法都不行根据意思undefined 感觉是没有调用包,产生的错误。我的错误是在\includegraphics 地方“undefined control sequence”所以在前面加了 \usepackage{graphicx}就好了...原创 2019-11-08 10:55:19 · 3079 阅读 · 2 评论 -
SCNN:A General Distribution based Statistical Convolutional Neural Network with Application to Video
SCNN:A General Distribution based Statistical Convolutional Neural Network with Application to Video翻译原创 2019-10-11 15:25:09 · 419 阅读 · 0 评论 -
制作自己的数据(cifar-10)-python
CIFAR-10 介绍 该数据集共有60000张彩色图像,这些图像是32*32,分为10个类,每类6000张图。这里面有50000张用于训练,构成了5个训练批,每一批10000张图;另外10000用于测试,单独构成一批。测试批的数据里,取自10类中的每一类,每一类随机取1000张。抽剩下的就随机排列组成了训练批。注意一个训练批中的各类图像并不一定数量相同,总的来看训练批,每一类都有5000张...原创 2019-08-29 17:31:16 · 1518 阅读 · 0 评论 -
Towards Multi-class Object Detection in Unconstrained Remote Sensing Imagery 译
Towards Multi-class Object Detection in Unconstrained Remote Sensing Imagery无约束遥感图像中的多类目标检测摘要;无约束情景下的遥感图像中的自动多类物体检测对于包括交通监控和灾害管理在内的多种应用非常有用。对象尺度,方向,类别和复杂背景的巨大变化以及不同的相机传感器对当前算法提出了巨大挑战。在这项工作中,我...原创 2019-04-01 11:33:18 · 1189 阅读 · 1 评论 -
Occlusions, Motion and Depth Boundaries with a Generic Network for Disparity, Optical Flow or Scene
首先看效果:(需要下载...120Mb)Occlusions, Motion and Depth Boundaries with a Generic Network for Disparity, Optical Flow or Scene这篇是基于FlowNet2.0 基础上再做的提高,发在ECCV2018上论文: pdfproject:他们的网站感觉含金量不如2.0翻译:...原创 2018-12-12 15:31:57 · 619 阅读 · 0 评论 -
FlowNet到FlowNet2.0
FlowNet: Learning Optical Flow with Convolutional Networks(主要是翻译论文)摘要卷积神经网络(CNNs)最近在各种计算机视觉任务中非常成功,特别是那些与识别有关的任务。光流量估计并不在CNN能够成功完成的任务当中。本文提出了一种能够将光流估计问题作为监督学习任务的CNNs。我们提出并比较两个架构:一个通用架构和另一个架构,包括一个在...原创 2018-12-11 21:33:38 · 5354 阅读 · 0 评论 -
PSPNet学习
原文地址: PSPNet代码:pspnet-github Keras tensorflow 如图,PSPNet最大贡献就是金字塔池化:基础层经过预训练的模型(ResNet101)和空洞卷积策略提取feature map,提取后的feature map是输入的1/8大小 feature map经过Pyramid Pooling Module得到融合的带有整体信息的feat...原创 2018-08-16 15:09:24 · 1166 阅读 · 0 评论 -
faster RCNN
Faster R-CNN基于代码实现的细节点击打开链接一张图理解Faster—RCNN测试流程点击打开链接深度学习之目标检测网络学习总结(from RCNN to YOLO V3) 点击打开链接交替训练方式,具体而言分为4步:1.先基于ImageNet训练好的模型去训练RPN,2.基于训练好的RPN和预训练模型去训练Fast R...转载 2018-05-09 15:32:54 · 199 阅读 · 0 评论 -
读后感 Spectral–Spatial Residual Network for Hyperspectral Image Classification: A 3-D Deep Learning Fr
v 为了利用丰富的光谱带,传统的逐像素HSI分类模型主要集中在两个步骤:特征工程和分类器训练。特征工程方法包括特征选择(波段选择)和特征提取[7]。特征工程的主要目标是降低HSI像素的高维度并提取最具辨别性的特征或波段。接下来,使用从特征工程步骤获得的判别特征对通用分类器进行训练。特征提取方法通常通过非线性变换学习代表特征。v 例如,[8]综合了不同类型的降维方法得到的多个特征来训练支持向量机原创 2018-01-29 17:23:28 · 4177 阅读 · 7 评论 -
IGARSS2017_SSRN 读后感DEEP RESIDUAL NETWORKS FOR HYPERSPECTRAL IMAGE CLASSIFICATION
全文都在和CNN作比较最强优点鲁棒性v Challenge:首先,Hughes现象是指随着训练数据维数的增加,识别准确率急剧下降,来自数百个频谱带[2]。 其次,它们的高空间分辨率使得小物体的识别成为可能,但增加了相邻像素之间的高相关性。v 3DCNN模型的分类精度随层数的增加而减小。 DL模型最近的应用表明,利用模型学习的特征而不是手工特征来分析HSI是一种新的趋势。v Res网原创 2018-01-27 17:20:41 · 1203 阅读 · 0 评论 -
非极大值抑制算法 NMS
参考博客 http://blog.csdn.net/zhang_shuai12/article/details/52716952原创 2017-12-07 10:49:25 · 207 阅读 · 0 评论 -
kNN python 註釋
代碼:#coding=utf8 from numpy import * import operator def createDataSet(): group=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) #这里就是二维数组,在座標軸裏表示四個點 labels=['A','A','B','B']原创 2017-11-15 20:33:49 · 180 阅读 · 0 评论