2020年12月_这个柚子有点酸

转载 Apriori算法

1.Apriori算法简介Apriori算法是经典的挖掘频繁项集和关联规则的数据挖掘算法。A priori在拉丁语中指"来自以前"。当定义问题时，通常会使用先验知识或者假设，这被称作"一个先验"（a priori）。Apriori算法的名字正是基于这样的事实：算法使用频繁项集性质的先验性质，即频繁项集的所有非空子集也一定是频繁的。Apriori算法使用一种称为逐层搜索的迭代方法，其中k项集用于探索(k+1)项集。首先，通过扫描数据库，累计每个项的计数，并收集满足最小支持度的项，找出频繁1项集的集合。该集

2020-12-27 19:48:25 14111 1

转载度量学习

转载：https://blog.csdn.net/Nehemiah_Li/article/details/44230053度量学习（MetricLearning）度量（Metric）的定义在数学中，一个度量（或距离函数）是一个定义集合中元素之间距离的函数。一个具有度量的集合被称为度量空间。1为什么要用度量学习？很多的算法越来越依赖于在输入空间给定的好的度量。例如K-means、K近邻方法、SVM等算法需要给定好的度量来反映数据间存在的一些重要关系。这一问题在无监督的方法（如聚类）中...

2020-12-26 15:51:30 472

转载卷积神经网络的三个特性

转载：elecfans.com/emb/fpga/20171116580425_2.html形象地说，就是模仿你的眼睛，想想看，你在看东西的时候，目光是聚焦在一个相对很小的局部的吧？严格一些说，普通的多层感知器中，隐层节点会全连接到一个图像的每个像素点上，而在卷积神经网络中，每个隐层节点只连接到图像某个足够小局部的像素点上，从而大大减少需要训练的权值参数。对于一个 1000∗1000 的输入图像而言，如果下一个隐藏层的神经元数目为 106 个，采用全连接则有 1000∗1000∗106=101.

2020-12-21 14:03:28 10563

转载长尾问题

转载：https://blog.csdn.net/fuxin607/article/details/105253176现实生活中的计算视觉问题往往会存在长尾问题，即类别的数据量分布不均衡，有的类样本非常多，而有的类却非常少。一.单标签分类。 1.Decoupling representation and classifier for long-tailed recognition[ICLR2020]。 2.BBN: Bilateral-Branch Network with Cumulative

2020-12-14 17:27:06 1348

转载图像空间尺度理论

转载：https://www.cnblogs.com/chillblood/p/3722031.html对现实中物体的描述一定要在一个十分重要的前提下进行，这个前提就是对自然界建模时的尺度。当用一个机器视觉系统分析未知场景时，计算机没有办法预先知道图像中物体的尺度，因此我们需要同时考虑图像在多尺度下的描述，获知感兴趣物体的最佳尺度。图像的尺度空间表达指的是图像的所有尺度下的描述。一、金字塔多分辨率在早期计算机视觉领域中，金字塔是图像多尺度表示主要表达形式。图像金字塔化一般包括两个步骤：首

2020-12-13 16:57:32 1157

翻译论文（四）Detecting 32 Pedestrian Attributes for Autonomous Vehicles

摘要：对于城市地区的自动驾驶车辆来说，行人无疑是最安全的道路使用者之一。在本文中，我们解决了行人联合检测和识别32个行人属性的问题。这些包括视觉外观和行为，也包括道路交叉口的预测，这是一个主要的安全问题。为此，我们引入了一个依赖于复合领域框架的多任务学习(MTL)模型，有效地实现了这两个目标。每个字段对行人实例进行空间定位，并对其进行属性预测。这个公式自然地利用了空间上下文，使它非常适合低分辨率的场景，如自动驾驶。通过增加共同学习的属性的数量，我们突出了一个与梯度尺度相关的问题，这在具有大量任务的MTL

2020-12-09 08:16:07 166

转载深度卷积神经网络中的patch

转载：在阅读基于深度卷积神经网络的图像识别、分类或检测的文献时经常看到“patch”，不是很能理解，后来就总结了一下。通过阅读，“patch”似乎是CNN输入图像的其中一小块，但它究竟是什么呢?当使用CNN解决问题时，“patch”什么时候开始起作用?为什么我们需要“patch”? “patch”和内核(即特征检测器)之间有什么关系?在CNN学习训练过程中，不是一次来处理一整张图片，而是先将图片划分为多个小的块，内核 kernel (或过滤器或特征检测器)每次只查看图像的一个块，这一个小块.

2020-12-09 00:07:26 6380 2

原创论文（二）Saliency-Guided Attention Network for Image-Sentence Matching

DOI：10.1109 / ICCV.2019.00585摘要：本文研究图像和语义的匹配任务，其中学习适当的表示法以弥合图像内容和语言使用者之间的语义鸿沟是主要挑战。与以前主要采用对称体系结构来代表两种模式的先前方法不同，我们引入了显著性引导注意力网络（SAN），其特征在于在视觉和语言之间建立不对称链接，从而有效地学习细粒度的跨模态相关性。拟议的SAN主要包括三个部分：显着性检测器，显着性加权视觉注意（SVA）模块和显着性文本注意（STA）模块。具体地，显着性检测器提供视觉上的显着性信息

2020-12-08 18:52:43 2427

转载 word2vec 中的数学原理详解

原文链接：https://www.cnblogs.com/peghoty/p/3857839.htmlword2vec 是 Google 于 2013 年开源推出的一个用于获取 word vector 的工具包，它简单、高效，因此引起了很多人的关注。由于 word2vec 的作者 Tomas Mikolov 在两篇相关的论文 [3,4] 中并没有谈及太多算法细节，因而在一定程度上增加了这个工具包的神秘感。一些按捺不住的人于是选择了通过解剖源代码的方式来一窥究竟。第一次接触 word2vec...

2020-12-04 16:08:14 135

原创随笔

ENet论文笔记：https://zhuanlan.zhihu.com/p/39430439 轻量化卷积神经在SAR图像语义分割中的应用这篇文章主要是对ENet网络的改进具体的改进如下：在ENet 的基础上进一步简化移除了八个卷积模块，将上采样模块中的反卷积层替换为上采样层，针对GDUT-Nansha 图像样本分辨率较小的特点，调整了下采样次数，取得了更好的效果。...

2020-12-04 15:58:45 93

转载词嵌入层学习入门

原文链接：https://developer.aliyun.com/article/221681词嵌入提供了词的密集表示及其相对含义。最简单的理解就是：将词进行向量化表示，实体的抽象成了数学描述，就可以进行建模了。它们是对较简单的单词模型表示中使用的稀疏表示的改进。Word嵌入可以从文本数据中学习，并在项目之间重用。它们也可以作为在文本数据上拟合神经网络的一部分。在本教程中，你将学到如何使用Python与Keras来学习词嵌入。完成本教程后，你将学会：·关于词嵌入的...

2020-12-04 15:57:32 1099

转载卷积神经网络——池化(pooling)的理解

原文链接：https://www.cnblogs.com/booturbo/archive/2020/04/13/12693858.html在训练卷积神经网络模型时，经常遇到max pooling和 averagepooling，近些年的图像分类模型多数采用了max pooling，为什么都是使用max pooling，它的优势在哪呢？一般情况下，max pooling的效果更好，虽然 max pooling和average pooling都对数据做了sampling，但是感觉max po...

2020-12-02 19:30:19 2080

转载卷积神经网络——padding的理解

原文链接：https://blog.csdn.net/baidu_36161077/article/details/81165531首先看一下以下代码吧！from keras.layers import Conv2D,Dense,Flattenfrom keras.models import Sequentialmodel = Sequential()model.add(Conv2D(filters = 32,kernel_size = [3,3],strides = [1,1],padd

2020-12-02 19:26:23 1529

qq_38331273的博客