![](https://img-blog.csdnimg.cn/20190918135101160.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
基于深度学习的图像识别
文章平均质量分 73
分类、目标检测、分割
冰西瓜是生活动力
这个作者很懒,什么都没留下…
展开
-
#21天学习挑战赛—深度学习实战100例#——乳腺癌识别
本周的任务有3个,生成手写数字,动物识别,乳腺癌识别。因为任务不同,那么可能会使用到不同的预处理、网络等等。本节主要学习乳腺癌识别。本章作为课程最后一节,没什么新内容了,复习了一下以前学过的概念~......原创 2022-08-15 22:27:03 · 1095 阅读 · 5 评论 -
#21天学习挑战赛—深度学习实战100例#——动物识别
本周的任务有3个,生成手写数字,动物识别,乳腺癌识别。因为任务不同,那么可能会使用到不同的预处理、网络等等。本节主要学习动物识别。本章复习了一下以前学过的概念,也学了一个经典的网络——Xception~......原创 2022-08-15 22:05:57 · 559 阅读 · 1 评论 -
#21天学习挑战赛—深度学习实战100例#——生成手写字体
终于到第三周啦,其实还有点不舍,毕竟能看到不少深度学习的例子。本周的任务有3个,生成手写字体,动物识别,乳腺癌识别。因为任务不同,那么可能会使用到不同的预处理、网络等等。本节主要学习生成手写字体。对抗神经网络包含两个部分:生成器:生成“假”数据以骗过鉴别器鉴别器:判断图片是“真的”还是“生成”的,并从中挑出“生成的”数据。本章学习了GAN网络的基础知识,也同时了解如何构造、训练一个GAN网络。......原创 2022-08-15 18:46:16 · 2850 阅读 · 0 评论 -
#21天学习挑战赛—深度学习实战100例#——识别眼睛状态
本周的任务有3个,预测股票,识别验证码,识别眼睛状态。因为任务不同,那么可能会使用到不同的预处理、网络等等。本节主要学习识别眼睛任务。本章从眼睛状态是不出发,复习了一下以前学过的概念,也学了一个经典的网络——VGG~......原创 2022-08-10 18:46:25 · 310 阅读 · 0 评论 -
#21天学习挑战赛—深度学习实战100例#——验证码识别
本周的任务有3个,预测股票,识别验证码,识别眼睛状态。因为任务不同,那么可能会使用到不同的预处理、网络等等。本节主要学习验证码识别。本章从验证码识别出发,了解了一些其它标签要怎么处理。本节里面只是跑通了老师的模型,后续要试着优化模型~......原创 2022-08-10 14:27:16 · 421 阅读 · 0 评论 -
#21天学习挑战赛—深度学习实战100例#——股票预测
本周的任务有3个,预测股票,识别验证码,识别眼睛状态。因为任务不同,那么可能会使用到不同的预处理、网络等等。本节主要学习股票预测。本章从预测股票出发,学习了RNN的一些基本概念。.........原创 2022-08-08 19:35:03 · 268 阅读 · 0 评论 -
#21天学习挑战赛—深度学习实战100例#——第3天(神经网络)
本章主要介绍深度学习,当然,深度学习其实还包括很多细节这里没涉及到。期待下周的学习。原创 2022-08-03 14:16:16 · 140 阅读 · 0 评论 -
#21天学习挑战赛—深度学习实战100例#——第2天(图像预处理)
本周的教程有3个不同类型的数据集,包括手写数字、服装分类、天气识别。虽然识别的内容不一样,但是运用的框架都是相似的。本节主要对一些入门知识进行分解学习。原创 2022-08-03 11:33:35 · 499 阅读 · 0 评论 -
#21天学习挑战赛—深度学习实战100例#——第一天(搭环境)
#21天学习挑战赛--深度学习实战100例#第一天原创 2022-08-01 20:57:51 · 141 阅读 · 0 评论 -
迁移学习及模型参数冻结
迁移学习基础入门篇前言模型迁移学习前言面试的时候被问了一个问题,当时没想出来。看完这个,才知道,哦,原来。。。问题是:什么时候需要把叶子节点固定住?我们带着这个问题去看迁移学习。模型迁移学习迁移学习一个最大的作用,就是节省训练时间,因为一些大的网络训练是很费功夫的,而别人已经训练好,使得它能提取多种类别的信息了。所以只需要再进行微调学习就能得到小样本任务的训练网络。一般而言模型的微调任务步骤如下:1.获取预训练模型参数2.加载模型(load.state dict)3.修改输出层训练方法原创 2021-01-06 18:18:07 · 2862 阅读 · 1 评论 -
利用Tensorboard、Hook、CAM、LIME简单记录训练过程中的数据或者图片
TensorBoard使用方法记录数据记录简单数据的方法进行模型监控记录图片记录简单图片模型的卷积核及特征图可视化卷积核可视化特征图可视化模型可视化记录数据记录简单数据的方法1.add_scalar() 记录标量2.add_scalars() 记录多个值在谷歌Colaboratory里跑以下代码import numpy as npimport matplotlib.pyplot as pltfrom torch.utils.tensorboard import SummaryWriteri原创 2020-12-31 11:13:09 · 608 阅读 · 2 评论 -
百度飞桨深度学习简单框架(内含代码)
框架介绍背景大体结构部分代码背景自己学习经常用一个jupyter notebook写代码,很粗糙,想整一个工程一样的东西方便以后做优化升级。这里借鉴了大佬的的深度学习框架 keras框架,还有飞桨里面一个工程 AI识虫比赛。这里还是要夸一波百度飞桨给了免费的GPU环境,很好用!大体结构按照百度飞桨的项目划分习惯,进去之后就会有一个notebook,运行在主目录下,work文件放工程代码,data放数据库。work文件下就可以放自己的框架了。├── bases│ ├── data_l原创 2020-12-18 20:30:49 · 1772 阅读 · 1 评论 -
roi-pooling学习笔记
roi-pooling背景介绍梯度反向传播max-pooling的前后向传播roi-pooling的前后向传播代码背景介绍卷积可以对任意图像进行,并变成任意大小,因为卷积需要训练的参数是卷积核,卷积核的大小一旦设定好就是固定不变的。但是进行判断时候,从卷积变线性回归的时候,就需要固定输入尺寸。因为线性回归的w和b会根据输入的大小而改变的。为了解决含有线性回归需要固定输入,而对测试图片能任意输入(resize输入图片可能会使特征改变)。就提出了roi-poling。roi-pooling的原理梯度反原创 2020-12-14 20:15:33 · 1164 阅读 · 0 评论 -
模型压缩学习笔记
一、剪枝拆除网络当中某些参数的方法如下:1.剪掉权重weight约等于0的weight,让两个神经元之间失去连接2.查看某个神经元经过activation之后的输出是否接近于零,如果接近于零,则剪掉这个神经元3.在修剪完整个网络之后,识别的准确度肯定会下降,我们这时保留之前训练好的权重,再利用训练集训练一次,更新当前神经网络的参数4.技巧:不要在一次修建当中修建过多的参数,不然的话神经网络很难恢复到之前的准确度二、知识蒸馏知识蒸馏的核心就是用大的神经网络带着小的神经网络去训练。也就是我们预训练原创 2020-12-03 16:28:52 · 65 阅读 · 0 评论 -
相机相关知识学习笔记
留空,要学原创 2020-12-01 21:18:32 · 250 阅读 · 0 评论 -
传统机器视觉学习笔记
ji原创 2020-12-01 17:17:46 · 858 阅读 · 0 评论 -
用BCCD数据集学习rcnn家族(二)——训练RCNN过程(下)
文章目录前言三、类别判断四、位置精修总结前言上一篇用BCCD数据集学习rcnn家族(一)——介绍BCCD数据集及预处理三、类别判断四、位置精修总结原创 2020-10-27 21:47:13 · 381 阅读 · 1 评论 -
用BCCD数据集学习rcnn家族(二)——训练RCNN过程(上)
rcnn过程介绍原创 2020-10-27 21:46:16 · 861 阅读 · 1 评论 -
用BCCD数据集学习rcnn家族(一)——介绍BCCD数据集及预处理
前言rcnn家族其实已经是一个“非常老”的算法,虽然一开始提出是2014。但是深度学习用于图像识别的开山之作,我打算从rcnn开始学习,网上对于网络和论文的讲解很详细,我这系列就不说理论了,主要是记录我学习过程和写代码跳过的坑。一、pandas是什么?示例:pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码如下(示例):import numpy as npimport pandas as pdimport matplotlib.py原创 2020-10-27 17:42:28 · 4613 阅读 · 2 评论 -
Kaggle竞赛之dog vs cat识别(alexnet)
Kaggle竞赛之dog vs cat识别_alexnet数据集介绍数据处理网络训练和结果总结数据集介绍这个数据集是给出图片识别出该图是猫或者狗,训练集和测试集只有这2类别的图像比赛链接: https://www.kaggle.com/c/dogs-vs-cats/overview.数据处理获得数据及标注的文件(kaggle数据加载比较弯弯绕绕,我这都是偷懒直接用别人跑通的代码,这里就不贴了);对数据进行分析 并作一定可视化 ;划分训练集 和验证集 ;包裹数据 即批处理 。看一下数据集原创 2020-10-27 15:47:03 · 1530 阅读 · 0 评论