- 博客(25)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 目标检测目标的统计
1 对目标数量，占比的统计2 对目标尺寸(长，宽及面积的箱型图)统计时你只需要修改对应目标的字典即可(下载STLITI.TTF字体格式，放到当前位置,替换fname中的位置)# encoding:utf-8""""#20200331 统计目标检测中的数据，需要输入dota格式的标签x1,y1....x4,y4,category"""import numpy as npimport osimport matplotlib.pyplot as pltfrom matplotlib i
2020-06-15 19:36:23
2851
1
翻译 目标检测的历程与流程
1 目标检测算法的历程二 目标检测算法基本流程传统算法：下面绿色线的流程DL：橙色线的流程，到时one-stage与two-stage到时就在橙色框中进行相应的结构调整。...
2019-09-29 17:33:21
1616
原创 mmdetection中libra rcnn算法简单阐述与libra_faster_rcnn_x101_64x4d_fpn_1x.py参数讲解
一 简介在看到CVPR2019 论文 Libra R-CNN时发现这篇论文对一些训练过程中的不平衡进行了处理，从而获得了较高的准确率。如何选择具有代表性的region proposal（这个问题很多论文都探讨过，可以认为是样本（proposal）的不平衡问题 不同level的特征如何融合才能真正地充分利用？（特征融合问题） 损失函数的设计能不能引导目标检测器更好地收敛？针对上述...
2019-08-30 17:32:20
2807
1
翻译 目标检测-斜框IOU,nms计算
1 旋转IOU"""2019.7.4 计算旋转的iou"""#coding=utf-8from __future__ import absolute_importfrom __future__ import divisionfrom __future__ import print_functionimport osimport numpy as npimport cv2...
2019-08-21 17:32:15
7695
3
原创 目标识别小样本数据扩增
1 对DOTA(obb)数据增加(方法有：改变亮度，加噪声，旋转角度，镜像，平移，裁剪，cutout)"""2019.8.3 ： 数据增强(dota4点转换)"""# -*- coding=utf-8 -*-# 包括:# 6. 裁剪(需改变bbox)# 5. 平移(需改变bbox)# 1. 改变亮度# 2. 加噪声# 3. 旋转角度(...
2019-08-21 17:30:15
1762
原创 深度学习数据处理
一 数据格式的转换脚本 1 将DOTA(HBB)数据集格式转换为yolo数据"""#2019.4.4: 将DOTA(HBB)数据集格式转换成YOLO数据集格式欠缺将标签保存的Txt文档保存"""import cv2import osfrom collections import defaultdictimagepath="/data/maq/DataSet/pytor...
2019-08-21 17:25:48
999
原创 faster_r2cnn与r2cnn++简述
FASTER_R2CNN：一： 模型结构：(https://blog.csdn.net/attitude_yu/article/details/80378023论文翻译)在原有Faster RCNN的基础上使用RPN网络产生文本区域的proposal，修改网络的输出为文本区域分类、文本区域矩形框和文本区域倾斜矩形框； 为了能够更好检测文本区域，使用尺寸为(7∗7,11∗3,3∗1...
2019-08-20 11:30:28
1443
1
原创 服务器+cuda9.2+cudnn7.0上编译安装tensorflow-gpu-------亲测有效
1 简介： 之前在安装可支持版本的tensorflow-gpu时发现，最新的版本只支持到cuda9.0。找了很多网页，想有人分享一下，结果没有找到。后来只能自己编译，中间遇到很多坑再次说一下，以免贴友重蹈覆辙。基本的环境那装我就不介绍，我默认大家的cuda9.2+cudnn7.0+bazel(注意要安装jdk)已安装好。2 安装步骤tensorflow源码下载地址 https...
2019-03-13 17:59:33
1150
原创 数据挖掘：航空公司客户价值分析实战
小结：本文是在学习数据挖掘的历程中通过学习，并将自己的一些想法进行汇总整理(书中案例处理的比较直接，有些部分则没有代码)。 在此多废话点，说一下数据挖掘过程中的数据处理流程：1)数据的读取 2) 数据的预处理(因变量数据的观察和变换，自变量数据的缺失，数据类型的转换，归一化处理) 3) 数据特征的处理(过滤法，wrapper包裹法，嵌入式法) 4) 数据的建模的模型选择(不同算...
2018-12-12 16:47:41
1717
2
原创 机器学习几个库的总结
在机器学习中，我一直本着现有思--》再去做的想法。只有你能想的到，然后才会往结果上走，所以我在这总结一下常用的几个库，然后里面具体用到的可以再去学习(在练习中学习与记忆，比只学习记忆更好。以上纯属个人观点，不喜误吐槽)1 NumPy快速入门手册: NumPy（Numerical Python）是Python语言的一个扩充程序库。支持大量的维度数组与矩阵运算，此外也针对数组运算提...
2018-11-22 17:34:33
1161
1
原创 机器学习-特征选择
在机器学习中特征工程还很重要的，因此在此处说一下它的特征选择。1 特征选择 个人理解：特征工程其实就是最大限度地从原始数据中提取重要的特征(减少特征之间的相关性等)以供算法和模型使用，来完成相应的操作目标。 主要有：Filter：过滤法，按照发散性或者相关性对各个特征进行评分，设定阈值或者待选择阈值的个数，选择特征 1.1 方差选择法 ...
2018-11-19 20:46:38
261
原创 k-means
1 K-means算法 k-means: 是基于距离的聚类算法，通过选择质心并计算样本与其之间的距离，然后不断更新质心位置和迭代来完成不同类别的相聚。该算法采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。2 K-means的应用场景和优缺点 应用场景： 优点：1）解决聚类...
2018-11-19 20:33:24
290
原创 分类与聚类的评价标准
1 ： 分类算法的评价标准 p准确率=tp/(tp+fp) 正类预测为正类/正类预测为正类+负类预测为正类 r召回率=tp/(tp+fn) 正类预测为正类/正类预测为正类+正类预测为负类 F1=2pr/(p+r) 准确率:体现了模型对负样本的区分能力，准确率越高，说明模型对负样本的区分能力越强 召回率：体现了分类模型对正样本的识别能力，召回...
2018-11-19 20:22:28
2183
原创 CNN实现摄像头中人物的识别
在此之前我已经大概说过tensorflow的简单流程，中间应用函数我会在例子中加以注释(更详细的可以查阅tensorflow中的函数讲解)。应用cnn实现的视频中人物识别，本想先讲一下cnn的原理，但基于时间和别人都以将的很详细在此就多说，直接上例子1 简单图片中的人脸检测 在刚开始学时需要有兴趣，并且能快速实现结果。从结果到原因，再从原因到结果才是最好的学习方法(纯属个人观点)...
2018-11-12 22:29:19
3118
6
原创 BP算法总结+从输入-隐层-输出的逐步手推
1 BP算法总结 BP算法：bp算法实际上是在神经网络中寻找在合适条件下的最佳权重和bais。实际上是利用输出后的误差来估计输出层前一层的误差，再用这层误差来估计更前一层误差，如此获取所有各层误差估计。然后再来来调整各层的连接权值+bais，再用调整后的连接权值+bais重新计算输出误差。直到输出的误差达到符合的要求或者迭代次数溢出设定值。(注：更新权值的过程实际上最重要的是对误差应用链式法...
2018-11-10 18:58:56
4307
2
原创 LSTM算法+数据预测
传统的神经网络一般都是全连接结构，且非相邻两层之间是没有连接的。对输入为时序的样本无法解决，因此引入了RNN（可以查看具体的RNN含义和推导），但是会存在梯度消失（不同的隐层之间会存在过去时刻对当前时刻的影响因素，但随着时间跨度的变大这种影响会削弱）。因此引入LSTM1 LSTM算法小结 LSTM：是对RNN算法的改进，通过不同三个门控制之前信息对当前信息的影响即（1：那...
2018-11-06 20:43:20
49081
37
原创 视频中人物识别--tensorflow介绍
在开始写视频中人物的识别时用到的知识点有cnn与tensorflow，在此首先介绍一下其中应用到深度学习框架tensorflow。1 深度学习框架介绍前的“废话” 到目前为止深度学习的框架有Tensorflow、Caffe、Theano、MXNet、Torch和PyTorch等，如果帖友有时间的话可以多多学习几种框架，不过个人认为在项目中使用更能加深对框架的熟悉。我在此只大概总结下...
2018-11-06 20:25:05
5903
原创 文本相似度分析
1 算法小结 相信有些人在闲暇时间喜欢读小说，至于什么小说在这就不一而论了。就拿我来说最近读的“一寸山河一寸血”和“混在三国当军阀”这两本书，本人感觉很相似，但具体相似多少就需要量化，因此想通过电脑来分析一下。接下来就不废话直接上原理和具体算法。 用到算法的概述：通过TF-IDF计算文本的关键词，如果某个词很重要，它应该在这篇文章中多次出现，我们进行”词频”（Term Freq...
2018-11-04 21:58:53
1878
原创 AdaBoost
1 AdaBoost算法总结 AdaBoost算法：通过样本来训练数据，主要是将训练过程中分类正确的样本点权值降低，反之则增加；各个弱分类器训练结束后加大分类错误率小的权重，反之增加权重。最终构成各个分类能力较强的分类器。2 AdaBoost的应用场景和优缺点 应用场景：1）用于二分类或多分类的应用场景；2）用于做分类任务的baseline；3）用于特征选择（feature s...
2018-11-04 21:05:40
324
原创 SVM
1 SVM算法总结 SVM算法：通过样本数据寻找最大间隔的分隔超平面，使得数据的分隔的抗扰动性更好。从分隔超平面到函数间隔，几何间隔距离问题最后到间隔最大化。求解间隔最大化通过构建拉格朗日函数并引入KKT条件和对偶问题求解W，b。在具体实践中可以使用最小序列化算法进行求解alpha和b，一旦求出了这些alpha，就很容易计算出权重向量w，并得到分隔超平面。 对于SVM可大体分为三...
2018-11-01 21:14:48
150
原创 Logistic回归
1 Logistic回归总结： Logistic回归： Logistic回归可以用来回归，也可以用来分类(主要二分类）；通过sigmoid函数将一组特征的结果映射到0-1之间，通过与结果的误差来更新权值进行权值的更新。最后的使得结果接近真实值，其中的损失函数和更新权值的方法(梯度下降，随机梯度下降等)需要重点掌握。2 Logistic回归的应用场景和优缺点 应用场...
2018-10-31 22:09:02
207
原创 朴素贝叶斯算法
1 朴素贝叶斯算法的总结 朴素贝叶斯算法：主要是基于贝叶斯公式进行概率的计算，某类概率较大则判定属于某类型。朴素贝叶斯对条件概率分布做了条件独立性的假设，使得在计算概率使变得简单。在此基础上还有三种基本模型和平滑的处理(后面会讲到)。2 朴素贝叶斯算法适用场景和优缺点 适用场景：1）文本分类/垃圾文本过滤/情感判别；2)推荐系统：朴素贝叶斯和协同过滤(Collaborativ...
2018-10-31 21:14:53
457
原创 决策树算法
1 决策树算法的总结(主要有ID3，C4.5和CART等) 决策树算法： 对一系列规则对数据进行分类的过程，按照样本中不同属性的最大信息增益等判别因素进行分类，如此循环会生成一棵树。 决策树分为分类树和回归树，分类树对离散变量最决策树，回归树对连续变量(有时连续变量可以做离散)做决策树。决策树的生成有时会牵扯到树生成过繁(即过拟合)，因此就需要对树进行剪枝(剪枝又分为预剪枝和后剪枝--后面...
2018-10-30 20:59:32
1092
原创 KNN(K-近邻算法)
1 KNN算法的总结 k近邻算法：在判断某个输入的样本甲的未知类别时，分别计算阿与训练样本中所有样本的空间距离，通过对最小距离d进行排序，看甲在最小距离d的样本中，那个类别所占概率越大一个就属于那类。 常见计算距离的方法：欧式距离，曼哈顿距离，闵式距离，马式距离等。 2 KNN适用场景和优缺点 适用场景：数字/文字识别，面部识别;预测某人是否喜欢推荐电影（Netflix...
2018-10-29 21:29:10
252
原创 绪论(写作原因)
(注意：本博客适合对机器学习中的理论有一定基础的贴友研读)我在学习ML过程中，只是将笔记等整理在书本上，使得与别人交流和传递自己在学习中的总结受到限制。因此在本博客中将逐渐发布自己在学习过程中的理解和总结。望各位贴友浏览，在不足处并提出意见或者问题，我会在闲暇时间内观看并及时回复。 在本博客中我打算对机器学习中理论，公式等不会做详细推导，因为这些厉害的大牛写的比比皆是...
2018-10-29 20:41:15
259
权重用于centernet.zip
2020-06-04
在服务器+cuda9.2+cudnn7.0可安装的tensorflow-gpu最新编译好的版本
2019-03-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人