qq_29133371的博客

原创 Anaconda 安装tensorflow后安装warp-ctc

warp-ctc: https://github.com/baidu-research/warp-ctcAnaconda 安装tensorflow参照官网即可。环境：Ubuntu 14.04，tf 1.5, GPU1：找一个位置，clone warp-ctcgit clone https://github.com/baidu-research/warp-ctc.gitcd warp-ctc2:创...

原创 深度学习 loss

原创 深度学习，机器学习部分基本概念

由于公式上传不上去，没办法。文档地址：http://download.csdn.net/download/qq_29133371/9998046，为什么现在没有0分值了？

原创 深度学习 激活函数

由于公式上传不上去，没办法。文档地址：http://download.csdn.net/download/qq_29133371/9998064，为什么现在没有0分值了？

原创 深度学习 检测模型对比

基于region proposal方法R-CNN是针对区域提取特征的目标检测模型检测流程：通过selective search的方式从图片中提取可能的目标的候选窗口，将窗口warp到同一个尺寸，通过卷积网络从warp之后的候选窗口提取特征，将特征送给分类器进行分类，最后再加上bounding box regression等操作得到更准确的目标位置。总结起来就是先训练SVM分类器，后进行

原创 深度学习 优化算法

不支持复制粘贴公式，很无奈。

转载 yolo2

出处：https://zhuanlan.zhihu.com/p/25167153分析的比较细致，直接看原文，图不完整本文是对 YOLO9000: Better, Faster, Stronger （项目主页） 的翻译。加了个人理解和配图。内容参考了 YOLOv2 论文笔记 - Jesse_Mx 。水平有限，错误之处欢迎指正。1. 概述YOLO2主要有两个大方面的

转载 deformable convolutional networks

转自：点击打开链接上一篇我们介绍了：深度学习方法（十二）：卷积神经网络结构变化——Spatial Transformer Networks，STN创造性地在CNN结构中装入了一个可学习的仿射变换，目的是增加CNN的旋转、平移、缩放、剪裁性。为什么要做这个很奇怪的结构呢？原因还是因为CNN不够鲁棒，比如把一张图片颠倒一下，可能就不认识了（这里mark一下，提高CNN的泛化能力，值得继续花很大

转载 谈谈深度学习中的 Batch_Size

Batch_Size（批尺寸）是机器学习中一个重要参数，涉及诸多矛盾，下面逐一展开。首先，为什么需要有 Batch_Size 这个参数？Batch 的选择，首先决定的是下降的方向。如果数据集比较小，完全可以采用全数据集 （ Full Batch Learning ）的形式，这样做至少有 2 个好处：其一，由全数据集确定的方向能够更好地代表样本总体，从而更准确地朝向极值所在的方向。其

转载 关于图像卷积与caffe中卷积实现

图像卷积及Caffe中的卷积实现　　原创内容，转载请注明出处。 　　本文简单介绍了图像卷积相关的知识以及Caffe中的卷积实现方法，写作过程中参考了很多很赞的资料，有兴趣的读者可以从【参考资料】查看。 　　博文中的错误和不足之处还望各位读者指正。什么是卷积？　　专业不是信工方面，也没学过信号与系统这门课。所以我也就不给出很专业的卷积定义和公式表达，引用一个例

原创 feature map计算方法与faster-rcnn中roi映射到feature map的位置计算方法

feature map计算方法：在CNN网络中roi从原图映射到feature map中的计算方法INPUT为32*32，filter的大小即kernel size为5*5，stride = 1，pading=0,卷积后得到的feature maps边长的计算公式是：output_h =（originalSize_h+padding*2-kernelSize_h）/stride

原创 Speed/accuracy trade-offs for modern convolutional object detectors

Speed/accuracytrade-offs for modern convolutional object detectors 1：Accurancy VS time从上图可以看出SSD，R-FCN在速度上要远远超过Faster R-CNN，但是在精度上Faster R-CNN领先，R-FCN紧随其后。但是Faster R-CNN可以通过设置region propos

原创 自制作数据上的pva faster rcnn 训练

一：数据集制作，参考我的上一篇文章http://blog.csdn.net/qq_29133371/article/details/54408165数据集制作完成后将这三个文件夹复制至一个文件夹（命名为VOC2007）当中，再移动至$pva-faster-rcnn/data/VOCdevkit2007中，替换原来的VOC2007二：训练阶段类别设置：（有几类设置几类，我的这

原创 制作VOC类型数据集，生成txt，生成lmdb

前言：数据样式参照PASCALVOC一：搜集图片，或者视频数据等，利用标注工具，形成图片信息以及注释信息。标注工具，自己编写的，可以拿去使用：二：通过xml文件以及图片信息形成ImageSets/Main/trainval.txt，test.txt，val.txt，trainval.txt文件地址：链接：http://pan.baidu.com/s/1cxNnrg 密码：j

原创 Beyond Skip Connections: Top-Down Modulation for Object Detection阅读笔记

Beyond Skip Connections: Top-Down Modulation for Object Detection   此图是整个文章的框架图。1：Top-Down Modulation (TDM)      TDM模块由两部分组成，T模块与L模块（侧面模块），下面详细介绍下这个模块。 1.1 L模块（lateral module

翻译 数据增强方法

# -*- coding:utf-8 -*-"""数据增强 1. 翻转变换 flip 2. 随机修剪 random crop 3. 色彩抖动 color jittering 4. 平移变换 shift 5. 尺度变换 scale 6. 对比度变换 contrast 7. 噪声扰动 noise 8. 旋转变换/反射变换 Rotation/reflec

转载 L0,L1,L2正则化浅析

机器学习中的范数规则化之（一）L0、L1与L2范数zouxy09@qq.comhttp://blog.csdn.net/zouxy09        今天我们聊聊机器学习中出现的非常频繁的问题：过拟合与规则化。我们先简单的来理解下常用的L0、L1、L2和核范数规则化。最后聊下规则化项参数的选择问题。这里因为篇幅比较庞大，为了不吓到大家，我将这个五个部分分成两篇博文。

原创 caffe-windows下编译

1：官网下载caffe-windows版本https://github.com/BVLC/caffe/tree/windows2：重命名caffe-windows为caffe3：复制caffe/windows/CommonSettings.props.example到同级目录下的CommonSettings.props（新建），并修改内容,4：加入NugetPackag

转载 机器学习部分概念

1：CRF（条件随机场），MEMM（最大熵模型），HMM（隐马尔科夫模型）区别区别：https://www.douban.com/note/157630293/HMM：http://www.cnblogs.com/skyme/p/4651331.htmlCRF：http://blog.sina.com.cn/s/blog_618985870101hvuf.htmlMEMM：

转载 机器学习十大经典算法整理

1、C4.5C4.5算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法.  C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进行了改进：     1)用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足；    2)在树构造过程中进行剪枝；    3)能够完成对连续属性的离散化处理；    4)能够对不完整

原创 caffe-windows引入Nugetpackage

这个包就是你的位置包，打开看下即可，根据自己存放路径进行修改，我的如下：

原创 VS2013添加自己下载的NugetPackages

官网下载好package包1：通过“Tools”（工具）|“Library Package Manager”（库程序包管理器）|“Package Manager Settings”（程序包管理器设置），接着设置如下2：项目--管理NuGet程序包，如下：这就是你刚添加的包

原创 pva-faster-rcnn配置过程出现的问题(个人笔记)

环境：windows，GTX960，VS20131：解决办法：显卡爆了。如果还未解决，那就是显卡本身的问题了。改用Titax网上办法：http://www.cnblogs.com/mafang/p/5828330.htmlhttp://www.cnblogs.com/yymn/articles/5389904.htmlhttp://blog.csdn.net/u01

原创 GetPacalData标定工具配置过程中产生的问题（个人笔记）

环境：windows VS2013release模式，win32前提：1：生成LibObjDet项目时，一堆opencv找不到的问题。解决办法：1）项目-属性-VC++--常规--包含目录添加：找到你自己安装的opencv的include目录如：2）项目-属性-VC++--常规--库目录添加：找到你自己安装的opencv的lib目录,注意版本问题（x

原创 caffe_pvanet,cuda7.5,VS2013

1.配置环境环境为：Windows 7 64位 + cuda6.5 + Opencv2.49 + VS2013。假设在配置caffe之前，你已经准备好这些。本文中将给出一些编译好的依赖库，如果你也是用的Windows 7 64位+VS2013，可以直接使用。2.准备依赖库在Windows下配置caffe，一个很主要的问题就是依赖库的编译。不像在Ubuntu下那么方便，在Window

原创 深度学习常用链接

UFLDL教程：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B神经网络中的激活函数：http://blog.csdn.net/losteng/article/details/50833861FASTER-RCNN相关：Bounding box regression详解:http://

翻译 深度学习学习指南

什么是深度学习？总的来说，深度学习包括建立和训练一个大型的人工神经网络，该神经网络在输入和输出之间具有许多隐藏层。正是因为这些隐藏层，我们才称呼这些神经网络为"深度"。至少具有三层隐藏层才能叫深度神经网络，但现有的一些神经网络已具有上百层。 神经网络是一个复杂的统计模型，它通过计算机来对信息进行一个非常准确的抽象表示。你可能会问，什么样的信息？就像Deepgram的深度神经

原创 R-CNN,SSP-Net,fast-RCNN,faster-RCNN论文读后笔记

R指的是region，也就是在数据进入深度网络（CNNs）之前进行预处理,在预训练图像中生成若干个regionproposals，再将这些regionproposals进行resize,因为CNN网络要求输入数据维度相同。训练过程：①supervised pre-training，使用传统的CNN来训练大规模数据集ImageNet，获得初始化权重。所谓的有监督预训练，我们也可以把它

转载 基于R-CNN的物体检测-CVPR 2014

基于R-CNN的物体检测原文地址：http://blog.csdn.net/hjimce/article/details/50187029一、相关理论   本篇博文主要讲解2014年CVPR上的经典paper：《Rich feature hierarchies for Accurate Object Detection and Segmentation》，这篇文章的算法

原创 ubuntu14.04+cuda-7.5(deb)+cuDNN+openCV+caffe 安装（安装笔记二）

前言：1：属个人笔记，用以这个爱遗忘的大脑，如果专家们哪里觉得我说的专业术语不对，原谅我读书少，我愿意虚心接受。O(∩_∩)O环境： Ubuntu 14.04，cuda-7.5,openCV(3.0)caffe一：CUDA安装：参照我上一篇博客：ubuntu+cuda-7.5(deb) 安装（安装笔记）二：openCV安装1 安装所需依赖使用apt-

原创 VMware Workstations12.11+ ubuntu 14.04 LTS+VMware Tools 安装

一：VMware Workstation 虚拟机安装     下载完成后直接安装即可。二：Ubuntu 安装     http://jingyan.baidu.com/article/14bd256e0ca52ebb6d26129c.html    这个写的很详细，注意作者让你注意的        在配置完成后启动时可能会出现类问题：This virtual mac

原创 ubuntu14.04+cuda-7.5(deb)+cuDNN+openCV+caffe 安装（安装笔记一）

环境：系统 Ubuntu 14.04             NVIDIA GeForce GTX 960Ubuntu 安装：http://jingyan.baidu.com/article/6181c3e06e6003152ef15300.html搭建过程1：CUDA安装  1）系统要求这个表先不看，通过下面的命令后对照查看。a. 验证系统具有CUDA

转载 虚拟机 安装 CUDA 可行性说明

原文地址：http://blog.csdn.net/nothinglefttosay/article/details/45095125在编写 CUDA 程序时遇到这么一个问题由于服务器端的 linux 运行环境，而本机是 win8 ，对在本机上通过 SSH 客户端或者通过 VS 编写 CUDA 程序再上传倒到服务器上调试运行的方式始终不适应，又不想装双系统，因此想通过虚拟机来安装

原创 关于梯度消失，梯度爆炸的问题

随着神经网络层数的增加，会出现梯度消失或者梯度爆炸的问题，下面细说下问什么会出现：      起初的学习率固定。      下面来看几组通过增加隐藏层层数后的学习率变化图：

原创 神经网络优化（初始化权重）

因为传统的初始化权重问题是用标准正态分布（均值为0，方差为1）随机初始化的，这其实是存在不合理的部分。标准正态分布：可以看出真实数据的分布其实是在靠近坡峰的部分，符合正态分布的。

原创 神经网络优化（overfitting 解决办法）

1：增大训练集2：early-stoping（http://deeplearning.net/tutorial/gettingstarted.html#early-stopping）3：Regulization4：Droppot三：四：

原创 softmax函数

文章有错误地方，待纠正……

原创 交叉熵损失函数

前言：在神经网络学习后都会计算损失函数，这里比较一下两种传统的损失函数的区别。（目前只知道两种）1：传统损失函数 Lcost(w,b) y=1/2(||y-z|2)

原创 scikit-neauralnerwork+pylearn2/Lasagne环境搭建

环境：Ubuntu 14.04           Python 2.7.6请保持你的环境是干净的，不然出一堆错误，你找都不知道怎么找，配置环境的时候最忌讳安装环境乱七八糟，费时费力。如果不干净，重装一个，只需要半小时左右就可以了。前言：这里说下apt-get install 和pip install 的区别            apt-get install 是安装系统级别

原创 sudo apt-get install python-pip 失败

Two Methods:You can install through Ubuntu Software Center.Open Ubuntu Software Center and search for easy_installHighlight alternative Python package installer (python-pip) from the