qq_24946843的博客

欠拟合与过拟合：欠拟合：指模型不能在训练集上获得足够低的训练误差 过拟合：指模型的训练误差与测试误差之间的差距过大，反映在评价指标上，就是模型在训练集上表现良好，在测试集上表现一般（泛化能力差）降低过拟合风险的方法：数据增强平移、旋转、缩放 利用生成对抗网络生成新数据降低模型复杂度神经网络：减少网络层数、神经个数、添加dropout层、训练提前终止 决策树：降低树的...

RPN：region proposal Networks，用于生成region proposal，faster R-CNN中称之为anchor，通过softmax判断anchors属于foreground或者background，再利用bounding box regression 修正anchors获得精确的proposals，输出Top-N(默认为300)的区域给ROI pooling。定义不同大小不同长宽比的窗口滑动图片，将滑动窗口下的图片送入网络模型进行分类识别。

SqueezeNet 由伯克利&斯坦福的研究人员合作发表于 ICLR-2017，论文标题:《SqueezeNet：AlexNet-level accuracy with 50x fewer parameters and <0.5MB》命名：从名字——SqueezeNet 就知道，本文的新意是 squeeze，squeeze 在 SqueezeNet 中表示一个 s...

ShuffleNet是Face++的一篇关于降低深度网络计算量的论文，号称是可以在移动设备上运行的深度网络。这篇文章可以和MobileNet、Xception和ResNeXt结合来看，因为有类似的思想。卷积的group操作从AlexNet就已经有了，当时主要是解决模型在双GPU上的训练。ResNeXt借鉴了这种group操作改进了原本的ResNet。MobileNet则是采用了depthwise ...

引言卷积神经网络（CNN）已经普遍应用在计算机视觉领域，并且已经取得了不错的效果。图1为近几年来CNN在ImageNet竞赛的表现，可以看到为了追求分类准确度，模型深度越来越深，模型复杂度也越来越高，如深度残差网络（ResNet）其层数已经多达152层。图1 CNN在ImageNet上的表现（来源：CVPR2017）然而，在某些真实的应用场景如移动或者嵌入式设备，如此大而复杂...

方案一：安装相关依赖：$ sudo apt-get install libhdf5-serial-dev hdf5-tools$ sudo apt-get install python3-pip$ pip3 install -U pip$ sudo apt-get install zlib1g-dev zip libjpeg8-dev libhdf5-dev $ sudo pyt...

pip3 install virtualenv #安装virtualenvvirtualenv -p /usr/bin/python3.5 venv #创建一个名为venv的python3.5虚拟环境，注意要创建某版本的python虚拟环境，必须在系统里安装此版本的python。-p后面是系统里装的python版本的路径（ubuntu默认有python2.7和python3.5两个版本）...

去官网下载anacond的linux版本：点击右上角的download进入下载页面，点击Linux下载Python3.7version 64-Bit(x86)Installer(517MB)下载完后，在文件的当前路径下执行以下命令，根据提示一直按enter yes等完成安装。bash Anaconda3-2019.07-Linux-x86_64.sh配置anaconda的环境...

在服务器上运行TensorFlow.Object_Detection时遇到问题：UserWarning: Matplotlib is currently using agg, which is a non-GUI backend.检测物体最终生成的图片无法在终端显示。看到好多博客说在frommatplotlib import pyplot as plt前面一行加上import mat...

参考文章：图片人脸检测--Dlib版检测效果：anaconda prompt中输入：pip install dlib安装dlib包下载训练模型：训练模型用于是人脸识别的关键，用于查找图片的关键点。下载地址：http://dlib.net/files/下载文件：shape_predictor_68_face_landmarks.dat.bz2单张图片代码...

YOLO算法（You Only Look Once）比如你输入图像是100x100，然后在图像上放一个网络，为了方便讲述，此处使用3x3网格，实际实现时会用更精细的网格（如19x19）。基本思想是，使用图像分类和定位算法，然后将算法应用到9个格子上。更具体一点，你需要这样定义训练标签，对于9个格子中的每一个都指定一个标签y，其中y是一个8维向量（与前面讲述的一样，分别为Pc，bx，by，bh，...

基于空间金字塔池化的卷积神经网络物体检测原文地址：http://blog.csdn.net/hjimce/article/details/50187655一、相关理论本篇博文主要讲解大神何凯明2014年的paper：《Spatial Pyramid Pooling in Deep ConvolutionalNetworks for Visual Recognition》，这篇p...

Bounding-Box regression最近一直在看目标检测有关的Paper, 从rcnn， fast rcnn, faster rcnn, yolo, r-fcn, ssd，到今年cvpr最新的yolo9000。这些paper中损失函数都包含了边框回归，除了rcnn详细介绍了，其他的paper都是一笔带过，或者直接引用rcnn就把损失函数写出来了。前三条网上解释比较多，后面的两条我看了...

文章摘自https://blog.csdn.net/qq_35451572/article/details/80249259文章目录1. 什么是目标检测？ 2. 目标检测要解决的核心问题 3. 目标检测学习资源 3.1 目标检测论文、代码整理 3.2 VOC数据集检测排名 3.3各大论文期刊目标检测 4. 目标检测最新进展 参考1. 什么是目标检测？**...

所谓图像风格迁移，是指利用算法学习著名画作的风格，然后再把这种风格应用到另外一张图片上的技术。1 图像风格迁移的原理在学习原始的图像风格迁移之前，可以先回忆一下ImageNet图像识别模型VGGNet。事实上，可以这样理解VGGNet的结构：前面的卷积层是从图像中提取“特征”，而后面的全连接层是把特征转换为类别概率。其中VGGNet中的浅层（如conv1_1，conv1_2），提取的特...

GAN的全称为Generative Adversarial Networks，意为对抗生成网络。原始的GAN是一种无监督学习方法，它巧妙地利用“对抗”的思想来学习生成式模型，一旦训练完成后可以生成全新的数据样本。DCGAN将GAN的概念扩展到卷积神经网络中，可以生成质量较高的图片样本。GAN和DCGAN在各个领域都有广泛的应用，这篇文章首先会介绍他们的原理，再介绍如何在TensorFlow中使用D...

在anaconda prompt中安装tensorboard：pip install tensorboard编写一个生成图的py代码：import tensorflow as tf a = tf.constant(5,name="input_a")b = tf.constant(3,name="input_b")c = tf.multiply(a,b,name="mul_c"...

inception（也称GoogLeNet）是2014年Christian Szegedy提出的一种全新的深度学习结构，在这之前的AlexNet、VGG等结构都是通过增大网络的深度（层数）来获得更好的训练效果，但层数的增加会带来很多负作用，比如overfit、梯度消失、梯度爆炸等。inception的提出则从另一种角度来提升训练结果：能更高效的利用计算资源，在相同的计算量下能提取到更多的特征，从而...

在说到人脸检测我们首先会想到利用Harr特征和Adaboost分类器进行人脸检测，其检测效果也是不错的，但是目前人脸检测的应用场景逐渐从室内演变到室外，从单一限定场景发展到广场、车站、地铁口等场景，人脸检测面临的要求越来越高，比如：人脸尺度多变、数量冗大、姿势多样包括俯拍人脸、戴帽子口罩等的遮挡、表情夸张、化妆伪装、光照条件恶劣、分辨率低甚至连肉眼都较难区分等。在这样复杂的环境下基于Haar特征...

大家的印象中卷积的计算过程是不是如下图？这是对单通道即灰度图像进行卷积操作，而对于三通道的彩色图像其卷积的过程如下：左列的X是输入的三通道图像即彩色图像，中间红色的两列是我们的kernel（即3x3的filter），共两个（即输出的feature通道为2）。最后一列为卷积之后的特征（由于2个kernel，输出通道为2）。由上面的过程可以看出，输入是3维（hight*width*...

一目标定位（单个物体）对象检测，它是计算机视觉领域中一个新兴的应用方向，相比前两年，它的性能越来越好。在构建对象检测之前，我们先了解一下对象定位，首先我们看看它的定义。图片分类任务我们已经熟悉了，就是拿出一张图片，判断其是不是汽车，这就是图片分类。这节我们要学习构建神经网络的另一个问题，即定位分类问题。这意味着，我们不仅要用算法判断图片中是不是一辆汽车，还要在图片中标记出它的位置，用方...

在目标检测领域方向的相关经典文献包括Fast-RCNN、Faster-RCNN、SSD、YOLO以及RetinaNet等。话说“工欲善其事必先利其器”，而该Object Detection API就是谷歌的牛逼工程师们开源给我们的最好“利器”。今天我们将借助该API训练自己的数据集进行目标检测，这里选择的目标为扑克牌，收集了9，10，J，Q，K，A六类扑克。1、下载TensorFlow ...

2017年6月，Google公司开放了TensorFlow Object Detection API。这个项目使用TensorFlow实现了大多数深度学习目标检测框架，其中就包括Faster R-CNN。一、实现官方给的目标检测的示例教程1、下载TensorFlow Object Detection API在github上该API存放在tensorflow/models项目下，下载地址...

卷积神经网络是一个多层的神经网络，每层由多个二维平面组成，而每个平面由多个独立神经元组成。   图：卷积神经网络的概念示范：输入图像通过和三个可训练的滤波器和可加偏置进行卷积，滤波过程如图一，卷积后在C1层产生三个特征映射图，然后特征映射图中每组的四个像素再进行求和，加权值，加偏置，通过一个Sigmoid函数得到三个S2层的特征映射图。这些映射图再进过滤波得到C3层。这个层级结构再和S2一...

关于卷积神经网络CNN，网络和文献中有非常多的资料，我在工作/研究中也用了好一段时间各种常见的model了，就想着简单整理一下，以备查阅之需。 Lenet，1986年 Alexnet，2012年 GoogleNet，2014年 VGG，2014年 Deep Residual Learning，2015年 Lenet就从Lenet说起，可以看下c...

基本步骤：数据准备：将数据集切分为训练节和验证集，并将数据转为tfrecord格式 下载TensorFlow Slim的源代码：github.com/tensorflow/models 定义新的datasets文件：在slim/datasets中，定义了所有可用的数据库，为了使用前面创建tfrecord数据进行训练，必须要在datasets中定义新的数据库。 准备训练文件夹：在slim文...

图像处理、机器视觉、人工智能、机器学习：http://blog.csdn.net/zouxy09/article/details/14222605 http://blog.csdn.net/carson2005/article/details/6601109 http://www.cnblogs.com/tornadomeet/archive/2012/06/24/2560261.html ...

无论即将到来的是大数据时代还是人工智能时代，亦或是传统行业使用人工智能在云上处理大数据的时代，作为一个有理想有追求的程序员，不懂深度学习（Deep Learning）这个超热的技术，会不会感觉马上就out了？现在救命稻草来了，《零基础入门深度学习》系列文章旨在讲帮助爱编程的你从零基础达到入门级水平。零基础意味着你不需要太多的数学知识，只要会写程序就行了，没错，这是专门为程序员写的文章。虽然文中会有...

首先需要思考的一个问题是， 什么是数据读取？以图像数据为例，读取数据的过程可以用图2-2 来表示。 假设硬盘中有一张图片数据集0001.jpg、0002.jpg、0.0003.jpg……..只需要把它们读取到内存中，然后提供给GPU或是CPU进行计算就可以了。这听起来很窑易，但事实远没离那么简单。事实上，必须先读入数据后才能计算，假设读入用时0.1s，计算用时0.9s，那么意味着每过1s，GP...

一、认识MNIST数据集下载数据集，tensorflow中封装了MNIST数据集：#导入（下载）MNIST数据集import tensorflow as tf#从tensorflow模块导入input_datafrom tensorflow.examples.tutorials.mnist import input_data#从MNIST_data中读取MNIST数据，这条语句在...

近日，Faizan Shaikh 在 Analytics Vidhya 发表了一篇题为《10 Advanced Deep Learning Architectures Data Scientists Should Know!》的文章，总结了计算机视觉领域已经成效卓著的 10 个深度学习架构，并附上了每篇论文的地址链接和代码实现。机器之心对该文进行了编译，原文链接请见文末。时刻跟上深度学习领...

一、学习清单1、综合类(1)收集了各种最新最经典的文献，神经网络的资源列表：https://github.com/robertsdionne/neural-network-papers 里面包含了深度学习领域经典、以及最新最牛逼的算法，如果把这个列表学过一遍，基本已然达到了大神级别。(2)机器学习学习清单：https://github.com/ujjwalkarn/Machine-L...

本文利用tensorflow构建逻辑回归模型，利用softmax分类器对mnist手写字体进行识别分类。每个样本是28*28大小的。一、导入数据集import tensorflow as tfimport numpy as npfrom tensorflow.examples.tutorials.mnist import input_data#读入手写字体数据集，会下载tenso...

一、构造1000组高斯分布数据import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt#定义一个空的列表vector = []#生成1000组随机数for i in range(1000): x = np.random.normal(0,0.6) y = 0.2*x + 0....

一、tensorflow定义变量和显示结果#先导入模块import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt#定义变量w = tf.Variable([2,3])x = tf.Variable([ [1,1], [2,2]] ...