- 博客(16)
- 收藏
- 关注
RSS订阅原创 迁移学习和Tensorboard
*使用开源的实现方案*迁移学习（Transfer Learning）*数据扩充*Tensorboard使用一、使用开源的实现方案二、迁移学习（Transfer Learning）例子：分类器：采取的方法：TensorFlow实现迁移学习：三、数据扩充随机裁剪：彩色转换：四、 Tensorboard使用背景在复杂的问题中，网络往往都是很复杂的。为了方便调试...
2019-03-26 16:50:35
314
原创 神经风格转换
*什么是神经风格转换？*深度卷积网络到底在学什么？*代价函数（Cost function）*一维到三维推广一、什么是神经风格转换？描述神经网络迁移:二、深度卷积网络到底在学什么？起初隐藏层可视化输出:中间隐藏层可视化输出：三、代价函数（Cost function）梯度下降：内容代价函数 ：风格代价函数：计算不同通道之间激活项的相关系数：...
2019-03-25 19:02:56
499
原创 随机森林
随机森林就是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树，而它的本质属于机器学习的一大分支——集成学习（Ensemble Learning）方法。随机森林的名称中有两个关键词，一个是“随机”，一个就是“森林”。“森林”我们很好理解，一棵叫做树，那么成百上千棵就可以叫做森林了，这样的比喻还是很贴切的，其实这也是随机森林的主要思想–集成思想的体现。其实从直观角度来解释，每棵决策树都...
2019-03-24 20:31:26
14891
3
原创 交叉熵和softmax回归
*交叉熵*softmax回归*多分类代码实现一、交叉熵二、 Softmax 回归三、 多分类代码实现Softmax 回归：
2019-03-24 19:48:07
365
原创 yolo_v3、yolo_v2、 yolo_v1三者之间在网络结构上的不同之处
v1有全连接层。2） v2网络结构中有concat操作3） v3网络有fpn，融合不同分辨率的feature map4） 输出tensor维度不一样5） anchor数量和实现方式不一样
2019-03-23 11:56:39
1029
原创 何为fine-tune以及其一般的实现流程
第一问：Finetune:是微调的意思，也就是整个要训练的网络不是从随机状态开始训练而是从一个比较好的初始状态开始微调。第二问：1）使用预训练的模型赋值给主干网络。2）调低初始学习率。...
2019-03-23 11:55:26
2065
原创 OpenCV特征提取
*形态学转换*Canny 边缘检测*直方图*直方图均衡化*图像傅里叶变换*模板匹配一、形态学转换腐蚀：膨胀：开运算和闭运算：形态学梯度：二、Canny 边缘检测Canny 边界检测的代码：边界检测的结果：三、直方图多通道（BGR）直方图代码：原图和多通道（BGR）直方图：四、直方图均衡化五、图像傅里叶变换周期信号的傅里叶级数：...
2019-03-23 11:52:02
674
原创 OpenCV图像处理
*图像的基础操作*图像上的算术运算*程序性能检测及优化*几何变换*补充：卷积和滤波*低通滤波*高通滤波一、图像的基础操作获取并修改像素值：获取图像属性：图像ROI（region of interest）：需要对一幅图像的特定区域进行操作。二、图像上的算术运算图像加法图像混合：三、程序性能检测及优化效率优化技术：四、几何变换扩展缩放扩展缩放（60...
2019-03-22 17:03:54
146
原创 循环神经网络（RNN）
*为什么选择序列模型？*定义符号构建序列模型*循环神经网络模型*不同类型的循环神经网络*语言模型和序列生成一、为什么选择序列模型？二、定义符号构建序列模型定义符号构建序列模型：自然语言处理（ NLP ）：10,000个单词大小的词典：用one-hot表示词典里的每个单词：三、循环神经网络模型为什么不用标准神经网络？：循环神经网络：前向传播算法 ：...
2019-03-22 16:47:26
153
原创 人脸识别（Face recognition ）
*什么是人脸识别？*One-Shot学习*Siamese 网络*三元组（Triplet）损失*面部验证与二分类一、什么是人脸识别？二、One-Shot 学习一次学习问题：在一次学习问题中，只能通过一个样本进行学习，以能够认出同一个人。大多数人脸识别系统都需要解决这个问题，因为在你的数据库中每个雇员或者组员可能都只有一张照片。直观想法：真正的方法：定量相似度：三...
2019-03-22 14:11:31
607
原创 目标检测（Object detection）
*目标定位（Object localization）*特征点检测（Landmark detection）*目标检测（Object detection）*卷积的滑动窗口实现*YOLO算法*非极大值抑制*Anchor Boxes一、目标定位（Object localization）多个不同分类的对象。因此，图片分类的思路可以帮助学习分类定位，而对象定位的思路又有助于学习对象检测，我们...
2019-03-22 13:55:51
362
1
原创 深度卷积网络实例探究
*CNN五个典型实例*CNN框架处理全过程*LeNet-5 网络结构*AlexNet 网络结构*VGG-16 网络结构*残差网络（ResNets）一、CNN五个典型实例CNN五个典型实例特性对比：ImageNet大赛：一张图总结 2010-2016 年的 ImageNet 挑战赛成果：分类错误率从 0.28 降到了 0.03；物体识别的平均准确率从 0.23 上升到了 ...
2019-03-22 11:52:44
181
原创 深度学习之简单卷积神经网络示例
*单层卷积网络*简单卷积网络示例*池化层（Pooling layers）*卷积神经网络示例*为什么使用卷积？*卷积神经网络与计算机视觉一、单层卷积网络卷积神经网络参数计算：二、简单卷积网络示例简单卷积网络示例（第一卷积层）：简单卷积网络示例（第二卷积层）：简单卷积网络示例（第三卷积层）：简单卷积网络示例（输出层）：简单卷积网络完整结构：三、池化层（Poo...
2019-03-21 15:21:49
2955
2
原创 深度学习之卷积神经网络
*计算机视觉应用*边缘检测*卷积运算*Padding*卷积步长*三维卷积一、计算机视觉应用图片分类目标检测神经风格转移二、边缘检测边缘检测示例：垂直和水平边缘检测：三、卷积运算OpenCV学过的边缘检测滤波器 Sobel,Scharr：高通滤波的原理：深度学习的滤波参数（W）：卷积神经网络的滤波器可以检测任何边缘：四、PaddingVa...
2019-03-21 15:02:47
169
1
原创 深度学习和神经网络
*深度神经网络的主要内容*结构化数据和非结构化数据*为什么深度学习会兴起？*单个神经元（逻辑回归）的计算一、深度神经网络的主要内容标准神经网络（NN）卷积神经网络（CNN）循环神经网络（RNN）二、结构化数据和非结构化数据三、为什么深度学习会兴起？推动深度学习变得如此热门的主要因素：1.数据规模2.计算量3.算法的创新。数据推动深度学习发展：神经网络方面的一个巨...
2019-03-21 14:50:48
162
翻译 非极大值抑制（NMS）
非极大值抑制（NMS）非极大值抑制顾名思义就是抑制不是极大值的元素，搜索局部的极大值。这个局部代表的是一个邻域，邻域有两个参数可变，一是邻域的维数，二是邻域的大小。这里不讨论通用的NMS算法，而是用于在目标检测中用于提取分数最高的窗口的。例如在行人检测中，滑动窗口经提取特征，经分类器分类识别后，每个窗口都会得到一个分数。但是滑动窗口会导致很多窗口与其他窗口存在包含或者大部分交叉的情况。这时就需要...
2019-03-20 20:49:35
185
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人