![](https://img-blog.csdnimg.cn/20190918135101160.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
AI与机器学习
文章平均质量分 93
包括:花书《Deep Learning》,李航《统计学习方法》,吴恩达《Machine Learning》,李飞飞的CS231n等课程
Ford_66
计算光学成像,图像处理
展开
-
Sora学习(一):Sora技术路径整体认知
截止到2024年3月2日,Sora还未完全开放使用,只有内测,现有的中文互联网中所谓“带你玩转Sora”的AI付费课程都是纯纯割韭菜;Sora文生视频模型可谓是之前许多模型的集大成者,虽然没有公开太多技术细节,但我们可以学习到Sora背后所涉及的一系列模型架构和训练方法(如Transformor, Diffusion模型等);要训练一个多模态大模型(LMM),海量训练数据 + 优秀模型架构 + 算力资源都缺一不可,其中算力限制对中国公司发展人工智能提出了挑战;原创 2024-03-02 17:56:07 · 1215 阅读 · 1 评论 -
Transformer入门学习
摘要:记录一下自己在10月份参加DataWhale组队学习transformer的所得。这篇博客主要关于transformer基本原理的学习和一个输入序列转换的简单demo,并补充了一些transformer在CV领域的variants,希望本次组队学习能帮助自己快速入门,有机会将transformer用在透过散射成像或者PAM成像相关领域中。以下内容主要参照Datawhale开源资料《动手学CV-Pytorch》第六章,感谢DataWhale开源组织,也欢迎大家点进去多多学习~2017年谷歌在一篇名为A原创 2021-10-17 19:42:00 · 1887 阅读 · 0 评论 -
地标建筑物识别——Task3 语义分割模型发展
前言:该部分我们学习语义分割网络模型的发展:FCN 、SegNet、Unet、DeepLab、RefineNet、PSPNet、GAN 语义分割。语义分割(全像素语义分割)作为经典的计算机视觉任务(图像分类,物体识别检测,语义分割)。其结合了图像分类、目标检测和图像分割,通过一定的方法将图像分割成具有一定语义含义的区域块,并识别出每个区域块的语义类别,实现从底层到高层的语义推理过程,最终得到一幅具有逐像素语义标注的分割图像。学习目标掌握语义分割模型的原理和训练过程;掌握语义分割模型的发展脉络;掌握原创 2021-02-27 01:16:20 · 1566 阅读 · 0 评论 -
地标建筑物识别——Task4 评价函数与损失函数
前言:在Task4,我们学习语义分割的评价函数和各类损失函数,需要掌握常见的评价函数和损失函数Dice、IoU、BCE、Focal Loss、Lovász-Softmax,以及使用不同评价/损失函数进行模型训练。分类中的TP TN FP FN在讲解语义分割中常用的评价函数和损失函数之前,先补充一**TP(真正例 true positive) TN(真反例 true negative) FP(假正例 false positive) FN(假反例 false negative)**的知识。在分类问题中,我们原创 2021-03-02 00:27:05 · 417 阅读 · 0 评论 -
地表建筑物识别——Task02数据扩增
前言: Task2主要学习对语义分割任务中常见的数据扩增方法,并使用OpenCV 和albumentations 两个库完成具体的数据扩增操作。常见的数据扩增方法数据扩增是一种有效的正则化方法,可以防止模型过拟合,在深度学习模型的训练过程中应用广泛。数据扩增的目的是增加数据集中样本的数据量,同时也可以有效增加样本的语义空间。需注意:不同的数据,拥有不同的数据扩增方法;数据扩增方法需要考虑合理性,不要随意使用;数据扩增方法需要与具体任何相结合,同时要考虑到标签的变化;对于图像分类,数据扩增方原创 2021-02-24 00:00:50 · 654 阅读 · 0 评论 -
地表建筑物识别——Task01赛题理解
前言:这次参加Datawhale与天池联合发起的零基础入门语义分割之地表建筑物识别挑战赛。自己在大四上(2018下半年)也简单接触过语义分割,当时是基于FCN做CT图像乳腺肿瘤的分割。现在参加这个入门级赛事,主要是看看大佬们是怎么走一个完整的深度学习项目的,提升用深度学习在自己的科研方向(波前整形、散斑成像)等方面的应用能力。当然,学习常用语义分割模型(FCN、Unet、DeepLab、SegNet、PSPNet等),模型集成方法以及各种评价 / 损失函数是其中的核心内容。Task1:赛题理解与basel原创 2021-02-21 00:14:16 · 1656 阅读 · 3 评论 -
矩阵对角化,SVD分解
- [矩阵对角化](#矩阵对角化)- [SVD分解](#svd分解)- [参考链接](#参考链接)矩阵对角化矩阵的相似设 A\boldsymbol{A}A、 B\boldsymbol{B}B 为两个nnn阶矩阵,若存在可逆矩阵 P\boldsymbol{P}P,使得P−1AP=B\boldsymbol{P}^{^{-1}}\boldsymbol{A}\boldsymbol{P...原创 2019-09-20 12:18:39 · 5611 阅读 · 0 评论