![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 76
limengjuhanxin
这个作者很懒,什么都没留下…
展开
-
线性回归
符号定义:x:输入,也称为特征;y:输出,也称为目标;(x(i),y(i))(x^{(i)} ,y^{(i)})(x(i),y(i)),第i个样本点;xjx_jxj:x的第i维特征;hθ(x)h_\theta(x)hθ(x):以θ\thetaθ为参数的假设;线性回归定义:输出y是x的线性关系;...原创 2018-10-08 14:52:15 · 536 阅读 · 0 评论 -
RNN循环神经网络
解决问题1.变长输入2.输入之间有一定关系的输入和输出之间的关系:1对多:图像的文本描述多对1:文字的情感分析多对多:句子的翻译网络结构Elman Networdht=σ(Whxt+Uhht−1+bh)yt=σ(Wyht+by)\begin{aligned}h_t &= \sigma(W_hx_t + U_hh_{t-1} +b_h)\\y_t &a...翻译 2019-03-03 00:00:21 · 242 阅读 · 0 评论 -
caffe的Python接口
caffe的Python接口假定caffe安装目录为caffe_root,在caffe_root/python_caffe下定义了caffe包,其中caffe包中包括以下模块,模块在__init__.py里定义。__init__.pyfrom .pycaffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, RMSPropSolve...原创 2019-03-06 00:02:22 · 480 阅读 · 0 评论 -
InsertSplits
void InsertSplits(const NetParameter& param, NetParameter* param_split)Created with Raphaël 2.2.0开始我的操作确认?结束yesnotop:datatop:labelbottom:datatop: ip1bottom:datatop: ip2bottom:ip1bottom:ip2bottom...原创 2019-02-26 22:41:39 · 289 阅读 · 0 评论 -
AppendTop()和AppendBottom()
源码// Helper for Net::Init: add a new top blob to the net.template <typename Dtype>void Net<Dtype>::AppendTop(const NetParameter& param, const int layer_id, ...原创 2019-02-27 11:31:20 · 357 阅读 · 0 评论 -
spyder和jupyter notebook启动不小
问题描述之前从anconda-navigator启动spyder和jupyter notebook正常,安装caffe后出现如下错误Traceback (most recent call last): File "/usr/local/bin/jupyter-notebook", line 7, in <module> from notebook.notebookapp...转载 2019-03-04 11:49:05 · 369 阅读 · 0 评论 -
nvcc编译
文件后缀说明后缀名Description说明.cuCUDA source file, containing host code and device functionscuda源文件.cC source filec源文件.cc, .cxx, .cppC++ source fileC++源文件.ptxPTX intermediate assem...翻译 2019-03-10 23:30:26 · 1918 阅读 · 0 评论 -
目标检测神经网络的发展
1.RNN2.SPP3.FAST-RNN4.FASTER-RNN5.YOLO6.SSD7.YOLO V2转载 2019-03-21 09:17:45 · 1564 阅读 · 0 评论 -
自然文本识别
自然文本的特征自然特征简要说明文字颜色特定区域的文本行具有统一的颜色,但也有一些颜色渐变的情况,同事场景中存在很多与文字颜色相同的区域文字字体场景中的文字字体在局部区域是一致的,但有时也会选各种各样的字体文字亮度为了方便阅读,场景文字与背景区域一般存在较强的对比度纹理轮廓文字区域存在较多的笔画,有较多的纹理信息和强烈的边缘轮廓几何特征文字的大...转载 2019-03-21 15:44:49 · 660 阅读 · 0 评论 -
各个算子的推导
图像导数的定义∂f(x,y)∂x=f(x+1,y)−f(x,y)∂f(x,y)∂y=f(x,y+1)−f(x,y)∂2f(x,y)∂2x==f′(x+1,y)−f′(x,y)=f(x+2)−f(x+1)−f(x+1)+f(x)=f(x+2)−2(x+1)+f(x)∂2f(x,y)∂2y==f′(x,y+1)−f′(x,y)=f(y+2)−f(y+1)−f(y+1)+f(y)=f(y+2)−2(y...转载 2019-03-25 00:07:31 · 1281 阅读 · 0 评论 -
数据增强
噪声产生原因使用滤波高斯噪声光照高斯滤波椒盐噪声电路噪声、编码器噪声中值滤波:可以用中心值取代黑点或白点均值滤波:用作模糊滤波核说明作用高斯滤波滤波核符合高斯分布,离中心点越近去除高斯噪声均值滤波模糊双边滤波一个与空间距离的高斯函数与一个与灰度距离的相关的高斯函数相乘距离越近,权重越大;灰度差越小,权重...原创 2019-03-21 22:29:30 · 411 阅读 · 0 评论 -
图像二值化常用的方法
常用方法方法解释优缺点双峰法物体和背景区别较大,可以分别形成波峰,这是选择双峰之间的波谷最为阈值只能用于目标和背景的直方图没有重叠时P参数法知道目标占图像的比例,且目标偏暗,背景偏亮min(∣∑t=0Tp(t)m∗n−P∣) min(\vert\frac{\sum_{t=0}^Tp(t)}{m*n} -P\vert)min(∣m∗n∑t=0Tp(t)−P∣)...转载 2019-03-24 13:59:08 · 5160 阅读 · 0 评论 -
SIFT匹配
论文名称:Distinctive Image Features from Scale-Invariant Keypoints原文链接:https://www.cs.ubc.ca/~lowe/keypoints/参考链接1:https://blog.csdn.net/amiee521/article/details/70154311参考链接2:https://blog.csdn.net/wei...转载 2019-04-02 22:35:10 · 444 阅读 · 0 评论 -
BP神经网络推导
示意图符号说明y0:输入,y∈Rs0×1zl:第l层输出z(l)∈Rsl×1yl:第l层输出y(l)∈Rsl×1σ:激活函数sl:表示l层y(l)z(l)的向量维数t:表示真实值L:一共L层\begin{aligned}\boldsymbol{y}^{0}: &amp;amp;amp;amp;amp;amp; 输入,\boldsymbol{y}\in \mathbb{R}^{s0\times1} \\\boldsym...原创 2019-02-20 01:31:55 · 407 阅读 · 0 评论 -
残差网络resnet
残差网络论文链接:https://arxiv.org/pdf/1512.03385.pdf产生背景:随着网络深度的增加,导致了训练误差的增大;究其原因是,网络没有被很好的优化。残差网络可以很深的原因:在一定程度上解决了梯度消失。残差单元如下图:当维度x=F当维度x=F当维度x=Fy=F(x,{Wi})+xF=W2σ(W1x)\begin{aligned}y &amp;= ...翻译 2019-02-28 12:35:13 · 852 阅读 · 0 评论 -
lenet
Lenet的网络结构对S2到C3层的说明:如下图所示,C3的前6个feature map分别对应S2的三个连续的feature map; C3的6个feature map分别对应S2的4个连续的feature map;C3的3个feature map分别对应S2的4个间隔的feature map;C3的1个feature map对应S2的6个feature map.这样可以减少参数,通过不...原创 2018-11-06 00:36:03 · 635 阅读 · 0 评论 -
网络优化算法
常见的网络优化算法1.Gradient Descent2.AdaDelta3.Adaptive Gradient4.Adam5.Nesterov’s Accelerated Gradient6.RMSpropGradient Descent参数说明:θ\thetaθ:权重η\etaη:学习率J(θ)J(\theta)J(θ):损失函数∇θ(J(θ))\nabla_\thet...翻译 2018-11-23 15:10:45 · 1556 阅读 · 0 评论 -
python zip
zip()将对象中的元素一一对应,打包成一个个元组,然后返回这个元组组成的列表的可迭代对象。原创 2019-01-10 14:57:41 · 101 阅读 · 0 评论 -
caffe编译
caffe的src目标下有:proto和layers文件夹,则其关系为:proto:定义各种层的参数;layers:定义这种层的操作;每个层中有xx.cpp和xx.cu;其中xx.cpu用作层的cpu计算,xx.cu用作层的GPU计算;1.将proto/caffe.proto编译成caffe.pb.cc和caffe.pb.h2.在layers/xx.cpp和xx.cu中调用caffe.pb...原创 2019-01-18 15:21:59 · 234 阅读 · 0 评论 -
caffe SyncedMemory
用途用于GPU和CPU之间的数据传递;源码分析#ifndef CAFFE_SYNCEDMEM_HPP_#define CAFFE_SYNCEDMEM_HPP_#include <cstdlib>#ifdef USE_MKL #include "mkl.h"#endif#include "caffe/common.hpp"namespace caffe {...翻译 2019-01-19 20:39:49 · 180 阅读 · 0 评论 -
mkl
转载https://blog.csdn.net/zb1165048017/article/details/70156844命名规则()charactercharacter说明s实数域,单精度c复数域,双精度d实数域,双精度z复数域,双精度namename说明dot向量点乘rot向量旋转swap向量交...转载 2019-01-21 14:07:06 · 797 阅读 · 0 评论 -
numpy索引用法
单个元素索引花式索引数组索引bool 索引原创 2019-01-10 14:35:19 · 409 阅读 · 0 评论 -
VML Mathematical Functions
http://www.physics.ntua.gr/~konstant/HetCluster/intel12.1/mkl/mkl_manual/GUID-7B3B6537-71E2-4BF5-A041-0365E72B211B.htm#TBL9-2Arithmetic FunctionsFunctionData TypesDescriptionv?Adds, d, c...转载 2019-01-21 16:33:27 · 599 阅读 · 0 评论 -
caffe blob
#ifndef CAFFE_BLOB_HPP_#define CAFFE_BLOB_HPP_#include &amp;amp;amp;lt;algorithm&amp;amp;amp;gt;#include &amp;amp;amp;lt;string&amp;amp;amp;gt;#include &amp;amp;amp;lt;vector&amp;amp;amp;gt;#include &a原创 2019-01-21 23:08:38 · 221 阅读 · 0 评论 -
AppendParam()
源码template <typename Dtype>void Net<Dtype>::AppendParam(const NetParameter& param, const int layer_id, const int param_id) { const LayerParameter& ...原创 2019-02-27 15:25:07 · 945 阅读 · 0 评论 -
bottom_need_backward_和layer_need_backward_和blob_need_backward_
从前往后bottom_need_backward_ = layer_param.propagate_down(bottom_id)layer_need_backward_ = blob_need_backward_[blob_id]blob_need_backward_[top_id_vecs_[layer_id][top_id]] = layer_need_backward_1.只要...原创 2019-02-27 17:07:01 · 119 阅读 · 0 评论 -
caffe.proto
syntax = "proto2";package caffe;// Specifies the shape (dimensions) of a Blob.message BlobShape { repeated int64 dim = 1 [packed = true];}message BlobProto { optional BlobShape shape = 7;...转载 2019-02-18 14:32:58 · 225 阅读 · 0 评论 -
OCR技术1
orc的应用现状应用场景现状印刷体识别由于字体规范,因此较为简单;在印刷过程字体可能断裂或者粘连,使识别困难手写体由于每个人的写字风格不一样,因此是一项尚未攻破的难关自然文本识别环境复杂,也是一个尚未攻破的难关OCR识别流程版面分心预处理图像分割字符识别后处理识别矫正OCR识别方法方法优缺点Tesseract对汉子识别精度不...转载 2019-05-06 10:48:29 · 193 阅读 · 0 评论