神经网络
神经网络实战
优惠券已抵扣
余额抵扣
还需支付
¥19.90
¥99.00
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
南七小僧
C9博士,前百度、联想技术产品总监。深入理解人工智能技术研发与应用。
展开
-
干眼进展回报 2019-12-1
原创 2019-12-01 18:24:58 · 347 阅读 · 0 评论 -
Faster RCNN 泪膜破裂 检测 深度学习方案
原创 2019-06-22 21:09:30 · 633 阅读 · 0 评论 -
FRCNN 泪膜破裂检测
FRCNN是目标检测网络,这次我把他用到了泪膜破裂检测上。效果图:原创 2019-06-18 09:51:00 · 923 阅读 · 3 评论 -
泪膜破裂检测 梯度幅度+梯度方向
# -*- coding: utf-8 -*-"""Created on Mon May 27 18:49:53 2019@author: Administrator"""import cv2from PIL import Image as IMimport numpy as npfrom matplotlib import pyplot as pltimport m...原创 2019-06-18 20:01:29 · 690 阅读 · 0 评论 -
Vessel SegNet 眼底图像的血管分割
暂时不便开源,仅记录。本研究在DRIVE眼底图像数据库上进行实验并与文献的结果进行对比,通过分析灵敏度(Sn)、特异性(Sp)、准确率(Acc)和AUC(ROC曲线下的面积)这4个指标,评估本研究提出的UAR-Net网络的血管分割性能。表1 DRIVE数据库上算法性能对比 Methods Year Sn Sp ...原创 2019-04-16 12:11:15 · 1579 阅读 · 2 评论 -
【Deblur SF-Net】去模糊 超细网络【嵌入式、移动端可部署,超小型高精度网络】
开发原因:在做显微镜呈现的时候,经常会遇到对焦不准导致图像模糊的情况暂时不便开源,仅记录。我制作了一个数据集,包含了大量的病理图像【模糊-清晰】对,用于网络训练。本算法的目的是通过卷积神经网络 对模糊的病理图像 进行 去模糊清晰化存在问题:网格效应明显,接下来的研究重点是 如何去除网格效应与达到实时计算。接下来,准备将这个算法开发到硬件产品上,作为显微镜...原创 2019-04-16 12:09:28 · 893 阅读 · 1 评论 -
【深度学习】实时人眼 瞳孔追踪 系统
本来发论文只准备做一下 瞳孔分割的,采用U-net的形式,可是U-net在人眼上效果并不太好,于是对U-net进行了彻头彻尾的分析,改进了很多,基本只保留了一个U型结构,之后分割出来瞳孔以后,觉得是不是可以再做一点事情呢?看到很多人用椭圆拟合的方法去拟合瞳孔,但是这种方法有一个弊端就是 遮挡或者快速运动模糊状态下,无法检测到瞳孔,于是我自己开发了个一种形状自适应深度学习算法(AutoShaped ...原创 2019-03-20 14:57:26 · 5969 阅读 · 7 评论 -
Apriori算法介绍(布尔关联规则 挖掘)啤酒尿不湿【数据挖掘 机器学习】
导读:随着大数据概念的火热,啤酒与尿布的故事广为人知。我们如何发现买啤酒的人往往也会买尿布这一规律?数据挖掘中的用于挖掘频繁项集和关联规则的Apriori算法可以告诉我们。本文首先对Apriori算法进行简介,而后进一步介绍相关的基本概念,之后详细的介绍Apriori算法的具体策略和步骤,最后给出Python实现代码。并附上小例子。1.Apriori算法简介Apriori算法是经典...原创 2018-09-06 09:53:23 · 3714 阅读 · 0 评论 -
Convolution1D与Convolution2D区别
1.Convolution1D主要用于nlp,Convolution2D主要用于cv。实际上,Convolution1D也可以用于cv,Convolution2D也可以用于nlp,只是那个时候不是标准的卷积方式,而是经过一定变形的卷积。2.可以看到Convolution1D的卷积只有3这一个参数,Convolution2D却有两个参数3(即长度为3,宽度为3的卷积)。表面上Convolutio...原创 2018-09-08 20:05:45 · 2383 阅读 · 0 评论 -
【NLP系列1】基于Doc2Vec的文本分类
import jieba as jbimport numpy as npimport pandas as pdfrom gensim.models.doc2vec import Doc2Vec, TaggedDocumentshixi = pd.read_table('shixi.txt')print(shixi)s = '哈哈哈哈大师赛的小康康'w = jb.cut(s)jd...原创 2018-08-30 11:26:21 · 840 阅读 · 0 评论 -
基于LDA的 职位描述JD 匹配
def findjd(request): print('推荐中') shixi = pd.read_table('shixi.txt', delimiter="\n") stopwords = '' with open('stopwords.txt', 'r') as f: stopwords = f.readline() jdldalis...原创 2018-08-30 10:15:55 · 417 阅读 · 0 评论 -
基于LSI的 职位描述JD 匹配
在文本挖掘中,主题模型是比较特殊的一块,它的思想不同于我们常用的机器学习算法,因此这里我们需要专门来总结文本主题模型的算法。本文关注于潜在语义索引算法(LSI)的原理。1. 文本主题模型的问题特点 在数据分析中,我们经常会进行非监督学习的聚类算法,它可以对我们的特征数据进行非监督的聚类。而主题模型也是非监督的算法,目的是得到文本按照主题的概率分布。从这个方面来说,主题模型和普通的聚...原创 2018-08-29 17:20:52 · 503 阅读 · 0 评论 -
C#中的bitmap类和图像像素值获取方法
一.Bitmap类Bitmap对象封装了GDI+中的一个位图,此位图由图形图像及其属性的像素数据组成.因此Bitmap是用于处理由像素数据定义的图像的对象.该类的主要方法和属性如下:1. GetPixel方法和SetPixel方法:获取和设置一个图像的指定像素的颜色.2. PixelFormat属性:返回图像的像素格式.3. Palette属性:获取和设置图像所使用的颜色调色板....原创 2018-08-31 17:27:31 · 1990 阅读 · 0 评论 -
Xception 进阶之路
论文:Xception: Deep Learning with Depthwise Separable Convolutions 论文链接:https://arxiv.org/abs/1610.02357算法详解: Xception是google继Inception后提出的对Inception v3的另一种改进,主要是采用depthwise separable convolution来替换原...原创 2018-08-23 14:14:43 · 382 阅读 · 0 评论 -
AI-Inception家族介绍
一、文介绍的是著名的网络结构GoogLeNet及其延伸版本,目的是试图领会其中的思想而不是单纯关注结构。 GoogLeNet Incepetion V1 Motivation Architectural Details GoogLeNet Conclusion GoogLeNet Inception V2 Introduction General Design...原创 2018-08-22 21:56:55 · 407 阅读 · 0 评论 -
ResNet学习记录
梯度退化按照我们的惯性思维,一个网络越深则这个网络就应该具有更好的学习能力,而梯度退化是指下面一种现象:随着网络层数的增加,网络的效果先是变好到饱和,然后立即下降的一个现象。在这里,我们引用一幅来自Resnet里面的图片,更加直观的理解这个现象: 从上图我们可以看出,一个56层的网络的训练误差和测试误差都大于一个20层的网络。常规的网络的堆叠(plain network)在网络很深的...原创 2018-08-22 13:22:21 · 552 阅读 · 0 评论