Double_V的博客

本文提供一个简单的方法计算多边形面积，参考维基百科实现代码：def polygon_area(polygon): """ compute polygon area polygon: list with shape [n, 2], n is the number of polygon points """ area = 0 q = polygon[-1] for p in polygon: area += p[0] * q[1] -

前言本文主要推荐一些生成对抗网络（GAN，generative adversarial networks）相关的值得精读的论文，主要涉及GAN的优化，图像翻译，视频预测三个领域，可以作为GAN的学习顺序进行阅读。GAN的优化想要使用GAN完成期望的学习任务，精致的网络设计和合适的目标函数必不可少，二者是实现较高performance的关键因素。在损失函数的优化论文方面，效果比较突出且使用较...

有很多的初学者表示，在完成深度学习的在线课程之后学到了很多的东西，但是却不知道如何进行下一步的学习，如何不必依赖别人进行下一次的突破成为亟需解决的问题。在Quora上有人提问：如何测试一个人是否有资格从事机器学习？ Andrew Ng（创始人谷歌大脑，百度AI小组前负责人）表示，任何人都有资格从事机器学习。 。他说，在完成一些与ML相关的课程后，“更进一步，阅读研究论文。更好的是，尝试在研究论文...

GAN的应用汇总（持续更新）前言：GAN全称是Generator adversarial networks,中文是生成对抗网络，是一种生成式模型，由good fellow在14年提出，近四年来被AI研究者疯狂研（guan）究（shui），更有大神建立一个GAN zoo，收集了上百种不同的GAN：https://github.com/hindupuravinash/the-gan...

本部分是 从0到1 实现YOLO v3 的第二部分，前两部分主要介绍了YOLO的工作原理，包含的模块的介绍以及如何用pytorch搭建完整的YOLOv3网络结构。本部分主要介绍如何完成YOLO的前馈部分。 本文假设读者已经完成了上部分的阅读，以及对pytorch有一定的了解。定义网络首先在工程目录下新建一个darknet.py文件，接下来使用pytorch的nn.Module搭建...

本文编译自： https://blog.paperspace.com/how-to-implement-a-yolo-object-detector-in-pytorch/ https://blog.paperspace.com/how-to-implement-a-yolo-v3-object-detector-from-scratch-in-pytorch-part-2/ 原文作者：Ay...

使用tf fine-tune resnet模型前言使用tensorflow踩了很多的坑，尤其是使用tf的slim模块的时候，其中batchnorm的问题困挠了我很久，问题表现如下：训练结果很好，测试的时候is−trainingis−trainingis-training设置成false测试结果很差，设置成true测试结果恢复正常训练结果很好，但是测试的结果要差上不少...

本文译自：http://www.hackevolve.com/create-your-own-object-detector/此文章同步发布在微信公众号：机器学习算法全栈工程师 和知乎：机器学习算法全栈工程师 欢迎关注前言：手动搭建属于自己的目标检测器现在已经不是一个很难的事情，比较常见的方法有Haarcascades 和HOG+SVM，后者在精度上优于前者，此篇文章中，将详细介绍...

前言本文将详细介绍 tf 实现风格迁移的小demo，看完这篇就可以去实现自己的风格迁移了，复现的算法来自论文 Perceptual" role="presentation" style="position: relative;">PerceptualPerceptualPerceptual LossesforReal−Time" role="presentation" st

为什么深度学习成为计算机视觉研究的标配

原标题：独家 |《TensorFlow实战》作者黄文坚：四大经典CNN网络技术原理主要介绍四种经典的卷积神经网络，它们分别是： AlexNet VGGNet Google Inception Net ResNet 这4种网络依照出现的先后顺序排列，深度和复杂度也依次递进。它们分别获得了ILSVRC（ImageNet Large Scale Visual Recognition

GoogLeNet系列解读 目录(?)[+]GoogLeNet Incepetion V1Motivation Architectural DetailsGoogLeNetConclusionGoogLeNet Inception V2IntroductionGeneral Design PrinciplesFactorizing Conv