计算机视觉
文章平均质量分 81
milk_and_bread
这个作者很懒,什么都没留下…
展开
-
Numpy
标题参考文档Gamma公式展示 Γ(n)=(n−1)!∀n∈N\Gamma(n) = (n-1)!\quad\foralln\in\mathbb NΓ(n)=(n−1)!∀n∈N 是通过 Euler integralΓ(z)=∫0∞tz−1e−tdt .\Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,.Γ(z)=∫0∞tz−1e−tdt.参考文...原创 2019-12-19 15:12:51 · 475 阅读 · 0 评论 -
Ubuntu16.04深度学习配置
文章目录Ubuntu深度学习配置本机配置显卡驱动的安装mmdetection简介mmdetection安装mmdetection使用Ubuntu深度学习配置本机配置Ubuntu16.042080TI显卡驱动的安装参考文章:Ubuntu18.04深度学习环境配置(CUDA9+CUDNN7.4+TensorFlow1.8)特别注意,CUDA的安装一定不要安装显卡,因为前面已经装过...原创 2020-01-08 12:05:17 · 356 阅读 · 0 评论 -
深度学习
深度学习一、自动编码机1、起因2、步骤3、第一层与第二层图解为第一层与第二层,其他层以此类推相当于第一层对x1-x6为编码输入,对其特征提取,相当于压缩为三个特征值,将这三个特征值作为第二层的输入,再次特征提取。卷积神经网络1、流程2、第一层:卷积核卷积提取特征点(多少个卷积多少个输出),机器学习方法分类。卷积核提取特征在一个(3232)的图像,用一个(...原创 2020-01-02 15:24:48 · 240 阅读 · 0 评论 -
学习率、优化器
文章目录学习率优化器随机梯度下降(SGD)带动量的SGDAdagrad RMSprop Adam鞍点情况下学习率优化器随机梯度下降(SGD)带动量的SGDAdagrad RMSprop Adam鞍点情况下SGD处于局部最优无法下降原创 2020-08-22 20:42:13 · 246 阅读 · 0 评论 -
模型损失函数设计
交叉熵Categorical CE Loss(Softmax Loss)Binary CE Loss(Sigmoid CE Loss)原创 2020-08-22 20:28:44 · 443 阅读 · 0 评论 -
使用tensorflow搭建简单的网络----回归模型
使用线性拟合数据import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltdef add_layer(inputs,in_size,out_size,activation_fuction=None): Weights = tf.Variable(tf.random_normal([in_size...原创 2020-02-14 19:56:56 · 174 阅读 · 0 评论 -
matplotlib使用基础
matplotlib使用基础快速绘图import numpy as npimport matplotlib.pyplot as pltx = np.linspace(1,10,1000)y = np.sin(x)print("x"+str(x)+'\n'+"y"+str(y))z = np.cos(x**2)plt.figure(figsize=(8,4))plt.pl...原创 2019-12-26 17:46:09 · 85 阅读 · 0 评论 -
深度学习---强化学习
文章目录强化学习学习方法分类基于理解环境(Model-Free、Model-base)基于概率(Policy-Based RL)Q-learning强化学习学习方法分类基于理解环境(Model-Free、Model-base)Model Free 的方法让机器人按部就班等待真实世界的反馈,根据反馈采取下一步的行动Model Base的方法,让机器人通过想象,然后预判断发生的所有...原创 2020-08-23 18:55:49 · 381 阅读 · 0 评论 -
心跳信号分类预测(任务一)
文章目录赛题理解导入第三方包lightgbm xgboost catboost理解读取数据数据预处理df.memory_usage()reduce_mem_usage()函数简单预处理训练数据/测试数据准备赛题理解2016年6月,国务院办公厅印发《国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见》,文件指出健康医疗大数据应用发展将带来健康医疗模式的深刻变化,有利于提升健康医疗服务效率和质量。赛题以心电图数据为背景,要求选手根据心电图感应数据预测心跳信号,其中心跳信号对应正常病例以及受不同心律原创 2021-03-15 23:43:31 · 1823 阅读 · 1 评论 -
下采样上采样、ReLU使用
文章目录池化(下采样)pytorch实现Upsample(上采样)pytorch实现ReLUpytorch实现池化(下采样)取感受野最大的值取感受野的平均值pytorch实现Upsample(上采样)pytorch实现ReLU一般卷积+批量归一化+池化+ReLU,ReLU起到将低响应去除的效果。pytorch实现...原创 2020-08-25 15:16:54 · 588 阅读 · 0 评论 -
随机梯度下降
随机梯度下降其中随机指得是符合某一分布设置批量求梯度的大小M,这样缓解内存的压力,保证运行。原创 2020-08-25 12:27:23 · 113 阅读 · 0 评论 -
防止过拟合
文章目录防止拟合方法概要正则化pytroch实现防止拟合方法概要更多的数据不复杂数据(手写体识别),使用浅层网络正则化Dropout数据增强Early Stopping正则化θ为W,b,正则化让其变小,这样线性函数的斜率的坡度更加的平缓,拟合的效果更加的平滑。pytroch实现...原创 2020-08-25 10:29:36 · 254 阅读 · 1 评论 -
梯度与激活函数
梯度初始化的影响同样的网络,同样的参数,初始化不同,梯度下降的速度不同,得到最小值也不同,如上图。学习率的影响学习率影响收敛的速度,初始情况下可以设置的大一些,不收敛在设置的小一些。动量梯度下降的时候,可能到达局部最优的情况,这时候给一个动量,用惯性冲出局部最优的情况。常见公式求解梯度激活函数derivative激活函数特点:在z=0z = 0z=0处不可导Sigmoid Logistic特点:将zzz从(−∞(- \infty(−∞,∞), \infty),∞)拉回到原创 2020-08-24 09:57:22 · 1279 阅读 · 0 评论 -
交叉熵
KL重合度高接近0,H§不稳定熵接近0P= Q散开的程度DKL = 0对于One-hot: −∑plongp-\sum plongp−∑plongp,1log1= 0,即求H(p,q)=H(p)+D(p∣q)H(p,q)= H(p) + D(p|q)H(p,q)=H(p)+D(p∣q)=DKL (p||q),当p=q时,D->0.p,q分别为预测以及样本分布概率函数从上图看出Q1=[0.98,00.1,0,0,0.01],H->0,此时Pθ ->Prsigmod会出现.原创 2020-08-24 20:00:49 · 240 阅读 · 0 评论 -
TensorFlow-CNN
CNNimport tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets('Mnist_data', one_hot = True)def compute_accuracy(v_xs, v_ys): global p...原创 2020-02-25 15:05:59 · 113 阅读 · 0 评论 -
动量与学习率衰减
动量取决于β参数的选取,根据矢量三角形法则,下次选取的方向不加动量的情况下,方向变化比较尖锐,没有考虑历史变化的情况,且容易局部最优。加动量后,变化更加的缓和,依靠惯性,可能跳出局部最优解。学习率调整...原创 2020-08-25 12:00:35 · 535 阅读 · 0 评论 -
感知机
文章目录单层感知机图示链式求导总结:单层感知机公式pytorch实现多层感知机(MLP)链式求导总结pytorch实现单层感知机图示链式求导总结:单层感知机公式pytorch实现多层感知机(MLP)链式求导σ\sigmaσ为Softmax激活函数总结pytorch实现...原创 2020-08-24 12:18:29 · 130 阅读 · 0 评论 -
Pandas使用说明
文章目录Pandas一、介绍二、Series的使用(pandas一维数组)一维数组创建Series字典方式创建SeriesSeries的取值、筛选、运算Series应用NumPy数组运算Series缺失值的检测Series自动对齐运算Series索引的name属性Series索引对象三、DataFrame(二维数组)二维数组创建DataFarmenumpy 转化为 DataFrame数据字典方式创...原创 2019-12-19 20:56:21 · 1039 阅读 · 0 评论 -
更好理解卷积
文章目录为什么使用卷积卷积常规卷积的应用CNN作用pytorch实现为什么使用卷积对于一个3层隐藏层的全连接来识别手写体图片(28*28),内存消耗1.6MB,对于当时来说过于庞大(16K内存)借助生物学的概念,注重感兴趣的地方,称之为感受野,看到的区域也是图片中的一个小块。提出了卷积神经网络的概念,卷积也就是指局部的相关性。权重减少为原来的1/6。卷积一个共享权值的小滑块再图片上移动,对应位置与滑块的权值相乘,一一得到一个值。卷积较比于全连接,它是784个神经元做全连接,需要78原创 2020-08-25 15:03:12 · 230 阅读 · 0 评论 -
常用训练集、tensorflow、keras特点
训练时常用数据集Git 基本知识与常用指令https://www.cnblogs.com/gavincoder/p/9073368.html动手学深度学习http://zh.gluon.aiTensorFlowTensor:张量Flow:计算流图分布式在计算图中,框架采用并行计算,对硬件的分配情况:不同worker之间交换数据有延时:TensorFlow已经将keras...原创 2020-02-14 13:32:40 · 225 阅读 · 0 评论 -
深度学习模型设计
文章目录深度学习模型设计非线性特征线性投影+非线性激活函数相比于传统分类模型设计越深,越宽多分枝残差慎用激活函数稀疏连接深度学习模型设计非线性特征线性的特征空间是有限的,很难表示非线性的分布,变化越大越明显。而非线性特征学习在于很难学到特征,使其表现更好。线性投影+非线性激活函数尝试把线性特征拉到非线性空间,更深的网络描述更丰富的特征。相比于传统分类综上三点说明深度学习较比于传统分类效果较好。模型设计越深,越宽设计怎么样的深度宽度的网络效果更好。多分枝一般来说,多分枝比单分原创 2020-08-23 12:55:30 · 1160 阅读 · 0 评论 -
批量归一化BatchNorm
为什么使用归一化对一sigmoid的函数来说,处在边角位置的点更新慢,并且离散度高不利于聚合。Nomalization将输入的值控制在有效的范围之内。得到以0为均值,1为方差的值。不进行归一化的化,loss函数求解梯度左图较比之右图更加的曲折。pytorch实现归一化不同Norm选取方式蓝色为一次选取的一个Norm。BN对于三个通道作为BN,z为BN公式pytorch实现2d的BN大小为16在测试的时候,μ,σ为全局的而非batch的;又由于有没有后向传播,所以没原创 2020-08-25 16:20:47 · 282 阅读 · 0 评论 -
Yolo
文章目录YOLO v1原理介绍网络结果分析损失函数网络训练网络存在问题网络性能Yolo V2原理改进Batch Normalization高分辨率分类器Anchor Boxes细粒度特征多尺度训练网络结果网络性能Yolo 9000Yolo v3改进策略主干网络(类ResNet)多尺度(类FPN)分类器网络性能DarknetYolo优点与缺点linux下配置DarkNetYOLO v1原理介绍一个格子只能预测一个物体,如果存在多个小目标,效果非常的差。网络结果分析损失函数网络训练网络原创 2020-10-26 20:11:41 · 617 阅读 · 0 评论 -
OpenCV读取图片信息、ROI、更改通道值
任务目标兴趣区域移动到特定的位置更换将红色通道的置为0读取图片信息from matplotlib import pyplot as pltimport cv2import numpy as npimg=cv2.imread('image.jpg')print(img)# 像素点的BGR的值px=img[100,100]print (px)# Blue通道的值...原创 2020-05-07 11:27:13 · 828 阅读 · 0 评论 -
OpenCV图片的读取保存、窗口显示
图片的读取保存import numpy as npimport cv2from matplotlib import pyplot as pltimg = cv2.imread('image.jpg',0)cv2.namedWindow('image', cv2.WINDOW_NORMAL)#读取的图片映射到窗口上cv2.imshow('image',img)#等待时间,0:一直等...原创 2020-05-06 17:36:53 · 323 阅读 · 0 评论 -
图像基础运算(三)
文章目录图像基础运算点运算线性点运算分段线性点运算非线性点运算疑问代数运算加法运算叠加性的随机噪音图像叠加效果减法运算图像基础运算点运算线性点运算对于线性变化例子如下:分段线性点运算例子如下:非线性点运算例子如下例子如下疑问很明显,输入值为γ,那么要让图像变化的话,将像素点量化到γ的范围内,这样可以带入模型,那么如何将像素点值转化为(0-255)之间?代数...原创 2020-04-09 15:17:33 · 441 阅读 · 0 评论 -
怎样获取HSV值
OpenCV获取HSV值根据BGR的值转换为HSV的值不能用 [0,255,0]而是用 [[[0,255,0]]] 这里的三层括号分别对应于cvArray、cvMat、IplImageimport cv2import numpy as npgreen=np.uint8([[[0,255,0]]])hsv_green=cv2.cvtColor(green,cv2.COLOR_BG...原创 2020-05-07 23:58:04 · 1662 阅读 · 0 评论 -
OpenCV Canny 边缘检测
实验目的Canny 边缘检测去噪声。5*5高斯滤波器计算图像梯度。对平滑图像使用Sobel算子。非极大抑制。获取梯度的方向以及大小,对整幅图扫描,去除非边界的点。对于一个像素来说,这个点的梯度是不是周围具有相同的梯度方向的点中最大的滞后阈值:设置阈值minVal和maxVal-代码实现import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread('image1.jpg',0)原创 2020-05-11 23:55:26 · 103 阅读 · 0 评论 -
OpenCV目标跟踪物体跟踪
任务目标物体跟踪从视频中获取每一帧图像图像转换为HSV空间设置HSV阈值到蓝色范围获取蓝色物体在图像处理中使用较多的是 HSV 颜色空间,它比 RGB 更接近人们对彩色的感知经验。非常直观地表达颜色的色调、鲜艳程度和明暗程度,方便进行颜色的对比。cv2.inRange()作用:设定边界值,超出边界像素值改为0lower_blue:阈值的下界(小于这个值,图像像素...原创 2020-05-07 23:12:32 · 2143 阅读 · 1 评论 -
OpenCV扩展缩放
实验目的图片的放大缩小resize函数,使用不同的插值方法实现缩放推荐使用:cv2.INTER_AREA扩展使用:v2.INTER_CUBIC虹慢) 和 v2.INTER_LINEAR原理请参照:https://blog.csdn.net/guyuealian/article/details/85097633代码实现import cv2import numpy as npimg=cv2.imread('image1.jpg')# 方法一:调节缩放因子来扩大# None 原本图原创 2020-05-11 17:25:04 · 243 阅读 · 0 评论 -
OpenCV图像梯度
实验目的使用三种梯度滤波器三种梯度滤波:Sobel高斯平滑与微分的结合体,坑噪音好。Scharr 是对 Sobel使用小的卷积核求梯度角度的优化。Laplacian 算子,调用二阶的Sobel为什么要使用梯度滤波轮廓边缘灰度变化明显些,层次感强些原理参考:图像梯度的基本原理代码实现import cv2import numpy as npfrom matplotlib import pyplot as pltimg=cv2.imread('image1.jpg',0)#原创 2020-05-11 23:36:37 · 1031 阅读 · 0 评论 -
OpenCV图像透明融合
任务目标将两张图片融合,按照图像混合公式g(x)=(1−α)f0(x)+αf1(x)g (x) = (1 − α) f0 (x) + αf1 (x)g(x)=(1−α)f0(x)+αf1(x)裁剪图像使两图像大小相等# 图像混合import cv2import numpy as npimg1=cv2.imread('image.jpg')img2=cv2.imread('ima...原创 2020-05-07 12:43:41 · 1295 阅读 · 0 评论 -
OpenCV使用阈值
实验目标设置阈值对图像处理cv2.THRESH_BINARY • cv2.THRESH_BINARY_INV • cv2.THRESH_TRUNC •cv2.THRESH_TOZERO • cv2.THRESH_TOZERO_INV各个阈值参数的效果:代码实现import cv2import numpy as npfrom matplotlib import pyplot as pltimg=cv2.imread('image1.jpg',0)ret,thresh1=cv2.原创 2020-05-11 17:52:43 · 207 阅读 · 0 评论 -
OpenCV图像扩展
任务目标根据cv2.copyMakeBorder()函数参数,实现所有边界填充copyMakeBorder()函数参数top, bottom, left, right 对应䥨界的像素数目。borderType 䌰添加䩒种类型的䥨界虽类型如下cv2.BORDER_CONSTANT 添加有剋色的常数值䥨界虽䦇傯䌰下一个参数虹value虺。– cv2.BORDER_REFLECT 䥨...原创 2020-05-07 11:51:52 · 887 阅读 · 0 评论 -
OpenCV程序执行的性能
任务目标测试中值滤波算法执行效率cv2.getTickCount 函数返回从参考点到这个函数被执行的时钟数。cv2.getTickFrequency 返回频率,或者说每秒钟的时钟数代码实现import cv2import numpy as npimg1 = cv2.imread('image.jpg')e1 = cv2.getTickCount()for i in r...原创 2020-05-07 16:50:10 · 359 阅读 · 0 评论 -
OpenCV基础绘图(线、圆、矩形、文字)
import numpy as npimport cv2 # Create a black imageimg=np.zeros((512,512,3), np.uint8) # Draw a diagonal blue line with thickness of 5 px # 参数分别img; pt1、pt2 :起始位置;color;thickness(粗细):-1为闭环填充cv2....原创 2020-05-06 21:33:11 · 158 阅读 · 0 评论 -
OpenCV读取摄像头以及保存视频
读取摄像头视频import numpy as npimport cv2# 0:摄像头的设备的编号cap = cv2.VideoCapture(0)while(True): # Capture frame-by-frame # ret:判断是否读取成功,成功返回true # frame:读取的一帧以矩阵的形式呈现 ret, frame = cap.read...原创 2020-05-06 18:25:57 · 651 阅读 · 0 评论 -
MMdetection训练配置
mmdetecton 安装采用mmdetection,安装教程参考: Windows下配置MMDetection数据集准备实验为自制VOC数据集,使用tools/dataset_converters/pascal_voc.py转换为COCO格式数据集,结果包括 voc07_train.json、voc07_test.json、voc07_val.json,COCO数据集JSON文件格式字段说明参考:COCO数据集JSON文件格式FasterRCNN训练模型配置进入configs->fast原创 2022-10-22 11:18:12 · 1977 阅读 · 0 评论 -
Windows下配置MMDetection
文章目录Windows配置MMDetection说明安装mmcv-full和Pytorch安装MMDetection2.6检查正确性Windows配置MMDetection说明由于官方最新版本侧重linux环境配置,windows目前更新并不及时,本文采用比较早的版本作为windows下的环境的配置。配置安装内容如下:pytorch:1.6.0+cu101torchvision:0.6.1mmcv-full==1.1.5mmdetection2.6安装mmcv-full和Pytorch原创 2021-06-02 15:38:02 · 887 阅读 · 4 评论 -
tensorflow reduction_indices理解
tensorflow reduction_indices理解:在tensorflow的使用中,经常会使用tf.reduce_mean,tf.reduce_sum等函数,在函数中,有一个reduction_indices参数,表示函数的处理维度,直接上图,一目了然:需要注意的一点,在很多的时候,我们看到别人的代码中并没有reduction_indices这个参数,此时该参数取默认值None,将...原创 2020-08-23 18:57:04 · 141 阅读 · 0 评论