![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器视觉
文章平均质量分 89
Mr终游
若有侵犯,还请联系删除
展开
-
深度学习-物体检测YOLO(You only look once)
置信度指的是边界框含有目标的可能性大小(object)和边界框的准确度(IOUtruthpred),准确度是用预测框与实际框的loU(交并比)计算的。每个边界框的大小和位置使用4个值来表示:(x,y,w,h),x,y是边界框的中心坐标,而w和h是边界框的宽和高。最后,预测网络进行分类和回归等任务。在两阶段目标检测方法中,分类和回归通常采用全连接的方式,而在单阶段的方法中,分类和回归等通常采用全卷积的方式。从所以的检测框中找到置信度最大的那个框,然后和其他的框计算IOU,如果计算的值小于某一个阈值,就剔除。原创 2024-09-11 22:42:49 · 587 阅读 · 0 评论 -
深度学习-目标检测(四)-Faster R-CNN
在Faster R-CNN中加入一个提取边缘的神经网络,也就说找候选框的工作也交给神经网络来做了。这样,目标检测的四个基本步骤(候选区域生成,特征提取,分类,位置精修)终于被统一到一个深度网络框架之内。原创 2024-09-11 16:03:04 · 398 阅读 · 0 评论 -
深度学习-目标检测(一)-R-CNN
目标检测的暴力方法是从左到右、从上到下滑动窗口,利用分类识别目标。为了在不同观察距离处检测不同的目标类型,我们使用不同大小和宽高比的窗口。如下图所示: 这样就变成每张子图片输出类别以及位置,变成分类问题。但是滑动窗口需要初始设定一个固定大小的窗口,这就遇到了一个问题,有些物体适应的框不一样,所以需要提前设定K个窗口,每个窗口滑动提取M个,总共K x M 个图片,通常会直接将图像变形转换成固定大小的图像,变形图像块被输入 CNN 分类器中,提取特征后,我们使用一些分类器识别类别和该边界框的另一个线性回归器。这原创 2024-09-10 11:28:30 · 706 阅读 · 0 评论 -
深度学习-目标检测(二)Fast R-CNN
缺点:使用Selective Search提取Region Proposals,没有实现真正意义上的端对端,操作也十分耗时。原创 2024-09-10 12:33:57 · 878 阅读 · 0 评论 -
卷积神经网络-经典分类网络结构(LetNet-5,AlexNet)
从图中,看到1 x 1卷积的过程,那么这里先假设只有3个1x1Filter,那么最终结果还是56x56x3。但是每一个FIlter的三个参数的作用,看作是对三个通道进行了线性组合。我们甚至可以把这几个FIlter可以看成就是一个简单的神经元结构,每个神经元参数数量与前面的通道数量相等。通常在卷积之后会加入非线性激活函数,在这里之后加入激活函数,就可以理解成一个简单的MLP网络了。原创 2024-09-08 09:00:00 · 707 阅读 · 0 评论 -
BN于神经网络调优
参数调优也称为超参数调优。原创 2024-09-07 16:30:52 · 943 阅读 · 0 评论 -
优化算法与正则化
在梯度函数上出现指数级递增或者递减的情况下分别称为梯度爆炸或者梯度消失假设g(z)=z,对于目标输出:y=w^n*w^n-1*w^n-2......w^2W^1对于w的值大于1的情况下,激活函数的值将以指数级递增w的值小于一的情况下,激活函数的值将以指数级递减在计算梯度时,根据不同情况梯度函数也会以指数级递增或递减,导致训练导数难度上升,梯度下降算法的步长会变得非常小,需要训练的时间将会非常长。原创 2024-09-07 15:36:38 · 990 阅读 · 0 评论 -
卷积神经网络(二)CIFAR100类别分类
总共一百个类,每个类有600个图像。每类500个训练图像,100个测试图像。没填图像都带有一个"精细"标签(它所属的类)核一个粗糙标签(它所属的超类)原创 2024-09-06 22:43:05 · 613 阅读 · 0 评论 -
卷积神经网络(一)
假设外面有10个Filter,每个Filter3*3*3,并且只有一层卷积假设有一张图片1000*1000*3,需要多大的零填充((N+2P-F+1) /S+1)=N,解得P=1卷积层相当于特征提取的角色,但是没有减少图片的特征数量,在最后的全连接依旧面对大量的计算,所以需要池化层进行特征的减少。原创 2024-09-06 14:31:08 · 1244 阅读 · 1 评论 -
TensorFlow-keras介绍(二)
保证在keras.datasets中,.mnist:手写数字。.fashion_mnist:服装分类,.cifar10(100):10个类别分类。原创 2024-09-06 09:00:00 · 954 阅读 · 0 评论 -
TensorFlow-keras介绍(一)
Keras是一个用python编写的开源神经库,能够运行在TensorFlow,Micsrosoft, Toolkit,Theano或PlaidML之上,kerea是单独是深度学习框架,一些代码用到了Tnesorflow的API,但在TensorFlow1.9新增加了tf.kerea。Keras与TF的深度集成。原创 2024-09-05 20:04:10 · 1258 阅读 · 0 评论 -
TensorFlow介绍二-线性回归案例
1.准备数据集:y=0.8x+0.7 100个样本2.建立线性模型,初始化w和b变量3.确定损失函数(预测值与真实值之间的误差),均方误差4.梯度下降优化损失。原创 2024-09-03 22:48:42 · 342 阅读 · 0 评论 -
TensorFlow1和TensorFlow2介绍
上图中是一个SGD的训练图,从下往上看,先输入数据,然后对这个数据标记和整理形状,在对数据进行一系列的数学操作,然后计算损失和更新参数。(1)构建一个计算图。图中的节点可以是TensorFlow支持的任何数学操作。(2)初始化变量。将前期定义的变量赋初值。(3)创建一个会话。这才是图计算开始的地方,也是体现它“惰性”的地方,也就是说,仅仅构建一个图,这些图不会自动执行计算操作,而是还要显式提交到一个会话去执行,也就是说,它的执行,是滞后的。(4)在会话中运行图的计算。原创 2024-09-03 18:42:58 · 869 阅读 · 0 评论