RF~or的博客

原创 在wondows10上用tensorflow2.x版本使用Object_Detection_API-（2）用其它数据集训练自己的识别器

用Tensorflow2.X Object Detection API训练交通信号灯识别器1 数据集处理2 训练模型3 测试模型

原创 在wondows10上用tensorflow2.x版本使用Object_Detection_API-（1）环境搭建与测试

1.

原创 深度学习中的卷积方法总结

1.常规的卷积一般所说的卷积计算是用与输入有相同深度的卷积核对输入进行卷积计算，卷积计算的过程如下图所示：每层卷积核参数与输入的各层参数对应位置相乘后加和得到一个输出，卷积核在输入上进行滑动计算，有多少个卷积核就得到多少个输出。2.可分离卷积可分离卷积包括空间可分卷积核和深度可分卷积：空间可分卷积：生活中的图片一般为彩色图片，所以有三个维度：高、宽、深度。空间可分离卷积是在...

原创 MATLAB中regionprops的一些属性

MATLAB中regionprops一般用在标记连通区域后，用来获得被标记的连通区域的一些属性：[img_label,n]=bwlabel(img_bw_open,4);props=regionprops(img_label);props是一个结构体，如果写成regionprops(img_label)或regionprops(img_label,'basic')时，props中只获得...

原创 MATLAB提取候选区域并对连通区域进行操作

以下代码详细注释了使用MATLAB根据颜色信息提取候选区域，以及对连通区域进行一系列操作。clear all;clc;%%提取候选区域img = imread('1.png'); % 读取图像 figure;subplot(231);imshow(img); % 展示图像title('原图');% 将图像转到hsv空间img_hsv = rgb2hsv(img);...

原创 （论文阅读）Towards Universal Object Detection by Domain Attention

问题：目前的目标检测器只能适用于单一的检测场景。目的：建立一种适用于各种场景的通用的目标检测系统。（a）单域检测器组 （b）自适应多域检测器 （c）通用检测器 （d）域注意通用检测器相关研究：目标检测：两阶段检测框架：RCNN,Fast R-CNN,Faster R-CNN；一阶段检测框架（速度快）：YOLO,SSD。它们应用在不同数据集上时都需要微调模型。多任务学习：多...

原创 （论文阅读）All You Need is a Few Shifts: Designing Efficient Convolutional Neural Networks for Image

问题：移位操作受限于移位操作（memory movement）。主要体现在计算内存较小时，如GPU。目的：解决移位操作中，内存移动的限制。方法：采用稀疏移位层（sparse shift layer）（较少的移位操作）构建有效的卷积神经网络。具体做法：1.在损失函数中给无用的移位操作添加惩罚项，去除无用的移位操作： 2.Fully-Exploited N...

原创 MATLAB画线时的属性设置

plot(x,y,'###') %###代表线型标识颜色各一种线型 标识 颜色 ‘-’： 实线（默认） ‘+’：加号 ‘r’：红色 ‘--’：虚线 ‘*’：星号 ‘g’：绿色 ‘：’：点线 ‘o’：圆圈 ‘b’：蓝色 ‘-.’：点划线 ‘x’：叉形 ‘y’：黄色 ‘.’：点 ‘c’：蓝绿色 ...

原创 数组的拼接或合并操作

用深度学习处理图像时，常常涉及到图像数组的拼接或合并，下面总结python中数组的拼接和合并方法：python中数组的拼接或合并常常要用到numpy工具包：1.np.append(arr, values, axis=None):将数组元素进行拼接，axis用于指定方向，axis=0：纵向拼接；axis=1：横向拼接。import numpy as npa=[[1,2], [1...

原创 机器学习实战——7.利用AdaBoost元算法提高分类性能

目录7.1 基于数据集多重抽样的分类器7.1.1 bagging：基于数据随机重抽样的分类器构建方法7.1.2 boosting7.2 训练算法：基于错误提升分类器的性能7.3基于单层决策树构建弱分类器7.4 完整AdaBoosts算法的实现7.5 测试算法：基于AdaBoosts的分类7.6 示例：在一个难数据集上应用AdaBoost7.7 非均衡分类问题...

原创 （论文阅读）Strong-Weak Distribution Alignment for Adaptive Object Detection

问题：Deep convolutional neural networks have greatly improved object recognition accuracy,but remain reliant on large quantities of labeled training data.（深度卷积神经网络依赖大量标注的训练集）目的：reduce annotation costs...

原创 （论文阅读）Few-shot Adaptive Faster R-CNN

要解决的问题：域间差异（domain shift）导致检测性能下降。（域可以理解成区域/不同的场景图像）补充：域间差异：不同的数据集具有不同的数据分布，一般情况下训练的模型也只能用在与这种训练数据集分布相似的数据集上，而用于与训练数据集分布不同的数据集中时，则会产生具有明显差距的结果。也就是泛化能力。few-shot可以理解为训练样本少。方法：少镜头自适应方法（few-shot adapt...

原创 python生成分类和回归数据集

目录python生成分类数据集生成blobs数据moons数据集circles数据集python生成回归数据集python生成分类数据集生成blobs数据from sklearn.datasets.samples_generator import make_blobsimport matplotlib.pyplot as pltfrom pandas impo...

原创 机器学习实战——6.支持向量机

目录6.1 基于最大间隔分隔数据6.2 寻找最大间隔6.2.1 分类器求解的优化问题6.2.2 SVM应用的一般框架6.3 SMO高效优化算法6.3.1 Platt的SMO算法6.3.2 应用简化版SMO算法处理小规模数据集6.4利用完整Platt SMO算法加速优化6.5 在复杂数据上应用核函数6.5.1 利用核函数将数据映射到高维空间6.5.2 ...

原创 python中生成随机数的方法

一、使用random模块（import random）1.random.random():随机生成一个0~1之间的浮点数。2.random.uniform(a,b):随机生成一个（a,b）之间的浮点数。3.random.randint(a,b):随机生成一个（a,b）之间的整数。4.random.randrange(a,b,n):随机生成（a,a+n,a+2n,...,b）之中的一...

原创 机器学习实战——5.logistic回归

目录5.1 基于logistic回归和sigmoid函数的分类5.2基于最优化方法的最佳回归系数确定5.2.1 梯度上升法5.2.2 训练算法：使用梯度上升法找到最佳参数5.2.3 分析数据：画出决策边界5.2.4 训练算法：随机梯度上升5.3 示例：从疝气病症预测病马的死亡率5.3.1 准备数据：处理数据中的缺失值5.3.2 测试算法：用logistic回归进...

原创 机器学习实战——4.基于概率论的分类方法：朴素贝叶斯

k-近邻算法和决策树要求分类器做出艰难决策，给出“该数据实例属于哪一类”这类问题的明确答案。不过，分类器有时会产生错误结果，这是可以要求分类器给出一个最优的类别猜测结果，同时给出这个猜测的概率估计值。...

原创 （论文阅读）Convolution in Convolution for Network in Network

摘要

原创 无人驾驶数据集

机器学习常用标准测试数据集：http://archive.ics.uci.edu/ml/datasets.php自动驾驶场景下的计算机视觉算法评测数据集：http://www.cvlibs.net/datasets/kitti/index.php视频分类数据集介绍：...

转载 视频分类数据集

视频分类数据集 在视频分类项目中，有很多经典的公开数据集，目前主要的数据...

原创 机器学习实战——3.决策树(2)

3.2在python中使用matplotlib注解绘制树形图

原创 机器学习实战——3.决策树

决策树常用来处理分类问题，也是最经常使用的数据挖掘算法。它之所以如此流行，一个很重要的原因就是使用者基本上不用了解机器学习算法，也不用深究它是如何工作的。下图所示的流程图就是一个决策树，正方形代表判断模块（decision block），椭圆形代表终止模块（terminating block），表示已经得出结论，可以终止运行。从判断模块引出的左右箭头称作分支（branch），它可以到达另一个判断模...

原创 机器学习实战——2.k-近邻算法

2.1k-近邻算法概述k-近邻算法采用测量不同特征值之间的距离进行分类。

原创 边缘检测算法总结及其python实现——二阶检测算子

二阶检测算子Laplacian算子，Marr-Hildreth（LOG），在梯度方向的二阶导数过零点。

原创 边缘检测算法总结及其python实现--一阶检测算子

边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线。边缘为图像中灰度发生急剧变化的区域边界。图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此可以用局部图像微分技术来获得边缘检测算子。经典的边缘检测方法，是通过对原始图像中像素的某小邻域构造边缘检测算子来达到检测边缘的目的。一旦计算出导数之后，下一步要做的就是给出一个阈值来确定哪里是边缘位置。阈值越低，能够检测出的边线越多，结果也...

原创 机器学习实战——1.机器学习基础

1.1何为机器学习机器学习就是将无序的数据转换成有用的信息。机器学习横跨计算机科学、工程技术和统计学等多个学科，需要多学科的专业知识。1.2关键术语1.3机器学习的主要任务无监督学习的数据没有类别信息，也不会给定目标值。在无监督学习中，将数据集合分成有类似的对象组成的多个类的过程被称为聚类；将寻找描述数据统计值的过程称之为密度估计。此外，无监督学习还可以减少数据特征的维度，以便我们可...

原创 （论文阅读）Image Categorization by Learning a Propagated Graphlet Path

Abstract—Spatial pyramid matching is a standard architecture for categorical image retrieval. However, its performance is largely limited by the prespecified rectangular spatial regions when pooling l...

原创 目标检测方法总结

论文网页：[https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html]R-CNN——SPPNet——Fast R-CNN——Faster R-CNN——YOLO——SSD1. R-CNNR-CNN流程：第一阶段（生成候选区域）：采用选择性搜索算法在所输入的图片上提取出2000个左右最有可能是...

原创 tensorflow加载训练好的模型、计算图和变量

python不会像MATLAB一样，可以很方便的查看程序运行过程中生成的各个变量或参数值，但是有时候，需要查看某些变量的取值，比如，训练神经网络模型时，可能需要查看权重和偏置的取值。现总结一下利用python加载并输出训练好的模型参数的方法。先以一个简单的例子为例保存模型import tensorflow as tf#声明两个变量a=tf.Variable(tf.constant(1,s...

原创 卷积神经网络卷积计算具体过程?

对于卷积神经网络中的计算，大部分人所知道的计算如下图所示：卷积核中的各参数与图像矩阵相应位置的数值相乘后再求和。但是实际计算时图像往往是rgb图像，即图像有三个通道，每张输入图像有三个二维矩阵（也说图像的深度为3），而且卷积核的数量也不止一个，所以在实际计算中是每个卷积核分别与矩阵的不同通道计算再加和，还是卷积核与所以通道同时计算，还是有其它的计算规则呢？下面的验证过程就是为了搞懂卷积计算的详细过...

原创 python读取图像的方法总结

以读取下面的图片为例：（其中前两种方法是我自己常用的方法）1. 利用python图像处理类库PIL(Python Imaging Library)中的Image函数。import numpy as npfrom PIL import Imageimg=Image.open('./go.jpg')img.show()print(img) #输出图片的属性，不能输出矩阵形式输出结果...

原创 神经网络的反向传播和参数更新