一、深度学习背景:
-
《Reducing the Dimensionality of Data with Neural Networks 》
06年,hinton拉开了深度学习的序幕。
原文pdf -
《deep learning》翻译:
三大巨头联合写的深度学习综述。 -
权值共享的简单理解与原因
解释:整张图片在使用同一个卷积核内的参数
原因:
1.减少参数量(全部连接等同于直接输入所有像素值)。
2.利用了图片空间上的局部相关性。
二、迁移学习背景:
三、xception网络学习
【论文地址】
学习:
- 理解各种CNN框架以及imagenet介绍
- 从Inception v1,v2,v3,v4,RexNeXt到Xception再到MobileNets,ShuffleNet,MobileNetV2
- Inception V2----BN操作解释
- 1*1卷积核理解
- xception论文——深度可分离卷积图 很容易理解
四、机器学习CODE
学习:
PIL库的image使用方法
python图像增强摘要:灰度直方图、线性变换、直方图正规化、伽马变换、全局直方图均衡化、限制对比度的自适应直方图均衡化
Opencv和PIL.Image读取图片的区别
1.LBP纹理特征提取
2.轮廓特征提取
-
Python+OpenCV教程14:轮廓特征
摘要:学习计算轮廓特征,如面积、周长、最小外接矩形等。 -
图像轮廓特征
摘要: 图像的矩 、 轮廓面积 、轮廓周长 、 轮廓近似 -
opencv教程(基于python)----图象的特征与提取
摘要:目标追踪目标分割的时候,找易于被追踪比较的特征。harris角点检测、亚像素级精确度的角点 -
轮廓边缘特征提取
摘要:轮廓属性、纵横比、extent…
3. 图像预处理
-
[OpenCV-Python] OpenCV 图像处理 (一)
摘要:类型转换、阈值解释 -
[OpenCV-Python] OpenCV图像处理 (二)
摘要:图像平滑、形态学变换(膨胀、腐蚀) -
[OpenCV-Python] OpenCV 图像处理 (三)
摘要:了解 Canny 边缘检测的概念 -
[OpenCV-Python] OpenCV 图像处理(四)
摘要:OpenCV 中的轮廓、轮廓性质及代码 -
[OpenCV-Python] OpenCV 图像处理(五)
摘要:直方图绘制、均衡化、2D直方图、 -
[OpenCV-Python] OpenCV 图像处理(六)
摘要:图像变换——傅里叶变换、Hough 直线变换、分水岭算法图像分割、使用 GrabCut 算法进行交互式前景提取 -
理解图像特征1
摘要:Harris 角点检测、 亚像素级精确度的角点、Shi-Tomasi 角点检测 & 适合于跟踪的图像特征、SIFT(Scale-Invariant Feature Trans-form)、 SURF(Speeded-Up Robust Features) -
图像特征与理解2
摘要:角点检测的 FAST 算法、FAST 特征检测器、BRIEF 算法的基础、ORB 算法的基础、特征匹配、使用特征匹配和单应性查找对象
4.机器学习基础
-
List item
五、keras
- keras基础
摘要:Sequential模型、输入数据shape、编译、训练 - Keras保存model文件和载入model文件