m0_37827994的博客

原创 2D物体检测笔记

原创 深度学习中的评判指标

深度学习中的评判指标准确率(accuracy）: 对于给定的测试数据集，分类器正确分类的样本数与总样本数之比。准确率就是找得对。False Positive：从字面上来看就是说，一个东西是被查出来了，但这是错误的(false)。即把合法的判断成非法的，译为“误报”。False Negative：从字面上来看就是说，一个东西是没有被查出来的，但这是错误的(false)。即把非法的判断成合法，...

原创 CNN推理优化

CNN推理优化一、Filters pruninghttps://www.jianshu.com/p/808ac3e692b9二、INT8 Quantizationhttps://www.jianshu.com/p/19467624b4b0三、Channel pruninghttps://www.jianshu.com/p/402307321022...

原创 精简CNN模型

精简CNN模型一、MobileNetMobileNet V1理论：Depthwise Convolution + Pointwise Convolutionhttps://blog.csdn.net/u014380165/article/details/72938047MobileNet V2理论：Linear Bottlenecks + Inverted residualshttps...

原创 深度学习生成对抗网络

深度学习生成对抗网络1、GAN2、CGAN3、DCGAN4、CycleGAN5、StackGAN6、StarGAN7、DiscoGAN

原创 深度学习循环神经网络

深度学习循环神经网络1、标准RNN模型2、GRU3、LSTM

原创 深度学习算法

深度学习算法https://www.cnblogs.com/sthu/p/8690723.html1、线性回归2、逻辑回归3、决策树4、SVM5、朴素贝叶斯6、K最近邻算法7、K均值算法8、随机森林算法9、降维算法10、Gradient Boost 和 Adaboost 算法...

原创 深度学习方法

深度学习方法https://blog.csdn.net/qq_34470213/article/details/795924841、反向传播2、随机梯度下降3、学习率衰减4、DropOut5、Max Pooling6、批标准化7、LSTM（long short-term memory）8、Skip-gram9、连续词袋10、迁移学习...

原创 深度学习框架

深度学习框架一、TensorFlowTensorFlow最初由谷歌的Machine Intelligence research organization 中Google Brain Team的研究人员和工程师开发的。这个框架旨在方便研究人员对机器学习的研究，并简化从研究模型到实际生产的迁移的过程。https://github.com/tensorflow/tensorflow二、Keras...

原创 经典分类CNN模型

深度学习网络结构一、LeNet二、AlexNethttps://blog.csdn.net/qq_24695385/article/details/80368618三、VGG四、GoogleNet五、ResNet六、Xcepetion七、MobileNet八、SqueezeNet九、DenseNet十、全连接网络-FCN...

原创 深度学习物体检测

R-CNN参考文章：https://blog.csdn.net/briblue/article/details/82012575

原创 CNN

CNN参考文章：https://www.cnblogs.com/fydeblog/p/7450413.html

原创 支持向量机（SVM）：分类器

支持向量机（SVM）参考文章：https://blog.csdn.net/DP323/article/details/80535863https://www.cnblogs.com/zhizhan/p/4430253.html

原创 尺度不变特征转换（SIFT）：特征提取

尺度不变特征转换（SIFT）参考文章：https://blog.csdn.net/lingyunxianhe/article/details/79063547https://www.cnblogs.com/wangguchangqing/p/4853263.html

原创 随机抽样一致（RANSAC）

随机抽样一致（RANSAC）一、引言给定两个点p1与p2的坐标，确定这两点所构成的直线，要求对于输入的任意点p3，都可以判断它是否在该直线上。初中解析几何知识告诉我们，判断一个点在直线上，只需其与直线上任意两点点斜率都相同即可。实际操作当中，往往会先根据已知的两点算出直线的表达式（点斜式、截距式等等），然后通过向量计算即可方便地判断p3是否在该直线上。生产实践中的数据往往会有一定的偏差。例如...

转载 局部二值模式（LBP）：纹理特征提取

局部二值模式（LBP）LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietik?inen, 和D. Harwood 在1994年提出，用于纹理特征提取。而且，提取的特征是图像的局部的纹理特征；1、LBP特征的描述原始的LBP算子定义为在33的窗口内，以窗口中心...

转载 协方差

协方差协方差是度量各个维度偏离其均值的程度。协方差的值如果为正值，则说明两者是正相关的；结果为负值，就是负相关的；结果为0，就是互相独立。...

原创 拉格朗日乘子法

拉格朗日乘子法1、概念基本的拉格朗日乘子法就是求函数f(x1,x2,…)在约束条件g(x1,x2,…)=0下的极值的方法。其主要思想是将约束条件函数与原函数联立，从而求出使原函数取得极值的各个变量的解。2、过程...

原创 线性判别式分析（LDA）：特征提取

线性判别式分析（LDA）线性判别式分析(Linear Discriminant Analysis, LDA) 是一种有效的特征抽取方法。使用这种方法能够使投影后模式样本的类间散布矩阵最大，并且同时类内散布矩阵最小。即模式在该空间中有最佳的可分离性。1.原理将带上标签的数据（点），通过投影的方法，投影到维度更低的空间中，使得投影后的点，会形成按类别区分，一簇一簇的情况，相同类别的点，将会在投影...

原创 方向梯度直方图(HOG)：特征提取

方向梯度直方图(HOG)方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。（1） 主要思想在一副图像中，局部目标的表象和形状（appearance and shape）能够被梯度或边缘的方向密度分布很好地描述。（2） HOG特征提取算...

原创 深度学习（Deep Learning）学习笔记（一）

深度学习（Deep Learning）学习笔记（一）一、线性代数1.1 标量、向量、张量标量（scalar）：单独的数；斜体小写表示；向量（vector）：有排列顺序的一列数；粗体小写表示；索引时用x1x_1x1​表示向量xxx中第一个数；x−1x_-1x−​1表示除去第一个数的向量xxx中所有数矩阵（matrix）：二维数组；粗体大写表示；索引时用A1,1A_{1,1}A1,1​表示矩...

转载 PyTorch（一）

PyTorch（一）一、回归问题1、建立数据集import torchimport matplotlib.pyplot as pltx = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1) # x data (tensor), shape=(100, 1)y = x.pow(2) + 0.2*torch.rand(x.size()...

原创 TensorFlow（二）

TensorFlow（二）

原创 TensorFlow（一）

TensorFlow（一）

原创 三、结构化机器学习项目

结构化机器学习项目一、机器学习（ML）策略（1）二、机器学习（ML）策略（2）

原创 二、改善深层神经网络

改善深层神经网络一、深度学习的使用层面二、优化算法三、超参数调试、Batch正则化和程序框架

原创 PyTorch

PyTorch一、张量基础import numpy as npimport torch# Creating a zero tensorx = torch.Tensor(3, 4)print("Type: {}".format(x.type()))print("Size: {}".format(x.shape))print("Values: \n{}".format(x))输出...

原创 应用：逻辑回归问题（Logisitic Regression）

逻辑回归一、理论1、二分类（logistic regression）二项逻辑回归的主要思想是将输出的线性方程(z=XWz = XWz=XW)通过使用Simoid(Logistic)函数11+e−z\frac{1}{1+e^{-z}}1+e−z1​限制在值(0,1)之间。y^=11+e−XW\hat{y}=\frac{1}{1+e^{-XW}}y^​=1+e−XW1​ 其中，y^\ha...

原创 应用：线性回归问题（Linear Regression）

线性回归问题一、理论y^=XW\hat{y}=XWy^​=XW 其中，y^\hat{y}y^​是预测值，N行1列（N是样本数）XXX是输入值（）

原创 Python中的Pandas

PandasPandas是用于数据分析的在本文中，我们用titanic.csv的数据进行分析一、加载数据import pandas as pd# Read from CSV to Pandas DataFramedf = pd.read_csv("titanic.csv", header=0)二、数据分析1、查看数据前n行# First five itemsdf.head(5...

原创 四、卷积神经网络

卷积神经网络一、卷积神经网络二、深度卷积网络：实例探究三、目标检测四、人脸识别五、风格迁移注：Softmax回归

原创 一、神经网络和深度学习

神经网络和深度学习一、深度学习概论二、神经网络基础三、浅层神经网络未完待续…

转载 应用：NumPy实现k均值聚类算法（K-means）

NumPy实现k均值聚类算法（K-means）一、K-means聚类算法简介其伪代码如下：创建k个点作为初始的质心点（随机选择）当任意一个点的簇分配结果发生改变时 对数据集中的每一个数据点 对每一个质心 计算质心与数据点的距离 将数据点分配到距离最近的簇 对每一个簇，计算簇中所有点的均值，并将均值作为质心下图展示...

转载 Python读取CSV文件

普通读取方法with open("fileName.csv") as file: for line in file: print line用CSV标准库读取import csvcsv_reader = csv.reader(open("fileName.csv"))for row in csv_reader: print row用pandas读取import panda...

翻译 应用：用NumPy求解多元线性回归问题

用numpy求解方程组线性代数中比较常见的问题之一是求解矩阵向量方程。 这是一个例子。 我们寻找解决方程的向量xA x = b当我们首先构建A和b的数组A = np.array([[2,1,-2],[3,0,1],[1,1,-1]])b = np.transpose(np.array([[-3,5,-2]])为了解决这个系统x = np.linalg.solve(A,b)应...

原创 Python中的NumPy（四）——进阶(Advanced)

进阶1、拼贴（Tile）重复n行n列# Tilex = np.array([[1,2], [3,4]])y = np.array([5, 6])addent = np.tile(y, (len(x), 1)) % lens(x)=2print ("addent: \n", addent)z = x + addentprint ("z:\n", z)输出结果：adde...

原创 Python中的NumPy（三）——阵列数学(Array Math)

阵列数学1、基础数学# Basic mathx = np.array([[1,2], [3,4]], dtype=np.float64)y = np.array([[1,2], [3,4]], dtype=np.float64)print("x:\n",x)print("y:\n",y)print ("x + y:\n", np.add(x, y)) # or x + y

原创 Python中的NumPy（二）——索引(Indexing)

索引1、索引索引的时候要用中括号，即 x[0]# Indexingx = np.array([1, 2, 3])print ("x[0]: ", x[0])x[0] = 0print ("x: ", x)输出结果：x[0]: 1x: [0 2 3]2、Slicing# Slicingx = np.array([[1,2,3,4], [5,6,7,8], [9,...

原创 Python中的NumPy（一）——基础(Basics)

NumPy基础import numpy as np# Set seed for reproducibilitynp.random.seed(seed=1234)1、标量（0维数组）标量就是简简单单一个数（0维数组放在0个中括号内）标量没有维度shape是指形状，因为标量没有维度，所以也就没有形状size是指有几个数# Scalarsx = np.array(6) # s...

原创 Python数据结构基础（三）——类（Class）

二、类类是Python中面向对象编程的基本部分。# Creating the classclass Pets(object): # Initialize the class def __init__(self, species, color, name): self.species = species self.color = color...