qq_38622495的博客

原创 GLUON-Fast RCNN

ROIfrom mxnet import nd# 输入特征高宽均为 4 且只有单通道(样本量，单通道，高，宽)x = nd.arange(16).reshape((1, 1, 4, 4))[[[[ 0. 1. 2. 3.] [ 4. 5. 6. 7.] [ 8. 9. 10. 11.] [ 12. 13. 14. 15...

原创 GLUON语法

.reshape(）-1或0的含义x = nd.arange(16)y = x.reshape(-1, 4)结果：[[ 0. 1. 2. 3.] [ 4. 5. 6. 7.] [ 8. 9. 10. 11.] [ 12. 13. 14. 15.]]<NDArray 4x4 @cpu(0)>x = nd.arange...

原创 七月在线-笔试题

调整超参数来最小化代价函数（cost function），方法有：穷举搜索、随机搜索、贝叶斯优化隐藏层降维与主成分分析法的差异：PCA提取的是数据分布方差较大的方向隐藏层可以提取有预测能力的特征...

原创 Tensorflow

reduction_indices在tensorflow的使用中，经常会使用tf.reduce_mean,tf.reduce_sum等函数，在函数中，有一个reduction_indices参数，表示函数的处理维度，直接上图，一目了然： ...

原创 深度学习基础（四）—— 神经网络各层的意义

卷积层稀疏交互参数共享等变表示

原创 小型高效的神经网络

现阶段，在建立小型高效的神经网络工作中，通常可分为两类工作：压缩预训练模型。获得小型网络的一个办法是减小、分解或压缩预训练网络，例如量化压缩(product quantization)、哈希(hashing )、剪枝(pruning)、矢量编码( vector quantization)和霍夫曼编码(Huffman coding)等；此外还有各种分解因子(various factorizat...

原创 论文精读（一）——Defect Inspection of Medicine Vials Using LBP Features and SVM Classifier

摘要图像预处理处理过程：我们用了阈值分割算法来获取感兴趣的区域 (roi)首先在 roi 中提取 lbp 描述符, 然后通过 k 均值聚类的应用生成可视词典。最终采用支持向量机 (svm) 分类器来检查小瓶是否有缺陷。INTRODUCTION研究对象：RELATED WORKS文献[1]：应用基于统计方法的质量阈值检测算法进行凹版印刷质量检测。文献[2]：采用 canny ...

原创 YOLO系列（一）——YOLO，YOLOv2，YOLO9000

1 YOLO1.1 Grid CellYOLO将输入图像分成S×S网格。 每个网格单元仅预测一个对象。 例如，下面的黄色网格单元试图预测其中心（蓝点）落在网格单元内的“人”对象。每个网格单元预测固定数量的边界框。 在此示例中，黄色网格单元格进行两个边界框预测（蓝色框）以定位人员的位置。但是，单对象规则限制了检测到的对象的接近程度。 为此，YOLO确实对物体的接近程度有一些限制。 对于下...

原创 MobileNet

1 MobileNet V11.1 综述结构特点：小且高效，应用场景（如移动设备、嵌入式设备）building small and efficient neural networks.如何解决：通过depthwise separable convolutions替代传统卷积网络，减少计算量。在网络中设置两个参数（width multiplier, resolution mult...

原创 Java多线程

1 概述2 线程的创建Thread类创建线程实现Runnable接口创建线程2.1 Thread类创建线程2.2 实现Runnable接口创建线程优点：Java不支持多继承不打算重写Thread类的其他方法Runnable接口创建线程：声明实现Runnable接口的类在实现类内实现run()方法创建实现类的对象通过实现类的对象创建线程类的对象调用start...

原创 深度学习在工业缺陷检测的应用

DenseNetmean-teacher

原创 基于机器视觉的乳液泵缺陷检测方法研究

样本分布数据增强队伍方案Faster-RCNN+FPN+Multi-stage traing method+Scale Normalization for training+cascade RCNNFaster-RCNN+FPN+DCN+ROI Align+anchor(5:1)+OHEM(batch级别)+Soft-NMS+投票平均Faster-RCNN+FPN+kmeans+ROI...

原创 铝型材表面瑕疵识别——都都都都都都方案

文章目录BaselineTraining DetailsInnovationsDilated convolutionproblems1 Dual Path Aggregation for Object Detections2 Multi-levels Roi-Align Pooling（MLRP）SWAHFE曲线结果De-backgroundConclusionBaselineB...

原创 Faster-RCNN详解

1 Faster-RCNN(1)输入测试图像；(2)将整张图片输入CNN，进行特征提取；(3)用RPN生成建议窗口(proposals)，每张图片生成300个建议窗口；(4)把建议窗口映射到CNN的最后一层卷积feature map上；(5)通过RoI pooling层使每个RoI生成固定尺寸的feature map；(6)利用Softmax Loss(探测分类概率) 和Smooth ...

原创 JAVA常用工具类（一）集合排序

1 概述集合中基本数据类型的排序集合中字符串的排序Comparator接口Comparable接口与数组排序区分开。集合排序：使用Collections类里的sort()方法。sort(List<T> list)根据元素的自然顺序对指定列表按升序进行排序。自然顺序：数字的自然顺序指的是数字的数值，字符的自然顺序是指字符的ASCII码值。2 整型&amp...

原创 Python基础

什么是*args和**kwargs?这两个是python中的可变参数。*args表示任何多个无名参数，它是一个tuple；**kwargs表示关键字参数，它是一个dict。并且同时使用*args和**kwargs时，必须*args参数列要在**kwargs前。def foo(*args, **kwargs): print 'args = ', args print 'k...

原创 One-stage

回归网络区域回归（置信度、位置、类别）Anchor机制（SSD）RPN

原创 铝型材表面瑕疵识别-风不动队-解决方案

问题描述数据分析（难点）Baseline关于整体框架的选择，有单阶段和两阶段的框架供选择，但由于瑕疵的长宽比和形态都差异很大，所以我们选择了faster rcnn系列，同时为了适应更多的尺度和提升精度，我们采用了FPN的结构。主要是加入形变卷积和ROIAlign到FPN中更好的解决不规则和微小目标的问题，关于如何有效解决这些不规则瑕疵的问题上，我们想法是通过不规则的卷积核能够更好的...

原创 YOLO

YOLOYOLOv2YOLO 9000YOLOv3Darknet-19主要使用3∗33*33∗3卷积pooling之后channel数增加global average pooling1∗11*11∗1的卷积压缩特征表示batch normalizationImageNet TOP 1：72.9%WordTree...

原创 清华源加速下载

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ opencv-python

原创 LBP（Local Binary Pattern）

1 LBP（Local Binary Pattern）LBP（Local Binary Pattern），局部二值模式一般的使用方法是，先将图像转换为灰度图，接着计算LBP特征图，最后计算其直方图作为特征向量。1.1 Original LBP经典的LBP特征：对于某像素的8-邻域，大于该像素值的置1，小于该像素值的置0，最后组成八位二进制码。LBP的操作可以被定义为：s(x)如下所示...

原创 深度学习基础——Dropout & Dropconnect

转载 使用CSDN-markdown编辑器

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Ma...

原创 计算机视觉 ——SIFT算子

SIFT 四个主要步骤尺度空间的极值检测 搜索所有尺度空间上的图像，通过高斯微分函数来识别潜在的对尺度和选择不变的兴趣点。特征点定位 在每个候选的位置上，通过一个拟合精细模型来确定位置尺度，关键点的选取依据他们的稳定程度。特征方向赋值 基于图像局部的梯度方向，分配给每个关键点位置一个或多个方向，后续的所有操作都是对于关键点的方向、尺度和位置进行变换，从而提供这些特征的不变性。...

原创 计算机视觉面试

1 直方图均衡化图像灰度的分布特性：如果大部分像素集中于低灰度区域，直方图呈暗特性；如果大部分像素值集中于亮灰度区域直方图呈亮特性。 直方图均衡化就是将随机分布的灰度直方图修改成为均匀分布的灰度直方图，基本思想是对原始像素做某种映射变换，使变换后的图像的灰度概率密度成均匀分布。 2...

原创 深度学习面试

1 列举常见的范数以及其应用场景L1 ：L1正则化会产生稀疏的求解，会使参数变得更加稀疏，广泛的用于特征选择。 L2：对较高方差输入的x，与输出目标协方差较小的特征权重将要收缩。...

原创 矩阵求导

前导不变后导转置： ∂wTXTXw∂w=2XTXw∂wTXTXw∂w=2XTXw\frac{\partial w^TX^TXw}{\partial w}=2X^TXw

原创 数据结构与算法（三）—— 链表（python）

1 反转链表（一）反转一个单链表class Solution(object): def reverseList(self, head): """ :type head: ListNode :rtype: ListNode """ prev_node = None curr_node ...

原创 深度学习基础（三）——优化算法

1 优化算法1.1 局部最小值点1.2 鞍点2 梯度下降法和随机梯度下降法2.1 梯度下降法2.1.1 一维梯度下降法2.1.2 学习率2.1.3 多维度梯度下降2.2 随机梯度下降法2.3 小批量随机梯度下降法3 动量法3.1 指数加权平均（EMA）3.2 由指数加权移动平均理解动量法3.2 Nesterov4 Adagrad5 RMSprop...

原创 Tensorflow（三）——基础概念

4 运行环境与会话

原创 深度学习基础（二）——Softmax回归与Logistic回归

1 简介Softmax回归模型，该模型是logistic回归模型在多分类问题上的推广，在多分类问题中，类标签yy \textstyle y 可以取两个以上的值。 Softmax回归是有监督的，不过后面也会介绍它与深度学习/无监督学习方法的结合。1.1 Logistic回归我们的训练集由 mm\textstyle m 个已标记的样本构成：{(x(1),y(1)),…,(x(m),y(...

原创 数字图像处理（二）——边缘检测

1 一阶导数算子1.1 Roberts1.2 Sobel1.3 prewitt2 二阶导数算子2.1 Laplacian2.2 马尔2.3 Canny2.3.1 信噪比准则2.3.2 定位精度准则2.3.3 单边缘响应准则参考边缘是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灰度分布的梯度来表示，数字图像中求导是利用差分近似微分来进行的...

原创 图像语义分割（一）

Atrous Convolution能够保证这样的池化后的感受野不变，从而可以fine tune，同时也能保证输出的结果更加精细。 FCN-1

原创 深度学习基础（五）—— 数据预处理

1 预处理之白化Whitening1.1 PCA主成分分析法，一般用于数据降维。WHY?特征具有相关性特征多，样本少，过拟合。1.1.1 PCA计算过程PCA的计算过程： 对特征进行方差归一化，分别求 x 和 y 的平均值，并减去对应的均值 求特征协方差矩阵 求解协方差矩阵的特征值和特征向量将特征值从大到小进行排序，选择其中最大的 k 个，然后将...

原创 深度学习基础（七）—— Activation Function

1. Sigmoid函数定义： f(x)=11+e−xf(x)=11+e−xf(x)=\frac{1}{1+e^{-x}} 对应的图像是： 优点：Sigmoid函数的输出映射在(0,1)之间，单调连续，输出范围有限，优化稳定，可以用作输出层。求导容易。缺点：sigmoid容易饱和，出现梯度消失的现象。 sigmoid神经元的一个很差的属性就是神经元的活跃度在0和...

原创 目标检测（一）—— SSD（single shot multibox detection）

单发多框检测（single shot multibox detection，简称 SSD） 不是精度最高的，但因为其简单快速而被大量使用。SSD模型利用卷积层块进行特征提取在特征层输出上以每个像素为中心构建多个锚框对每个锚框预测其包含的物体类别（Softmax）对每个锚框用卷积预测其到真实边框的距离卷积层输出的同时输入至高宽减半模块缩小图像尺寸重复上述过程多次以保证在...

原创 目标检测（二）—— R-CNN、Fast R-CNN、Faster R-CNN、Mask R-CNN

R-CNN 区域卷积神经网络（Regions with CNN features，简称 R-CNN）使用深度模型来解决物体识别。具体步骤：Sective Search 。对每张输入图像使用选择性搜索来选取多个高质量的提议区域。Resize。对每个提议区域，将其变形成卷积神经网络需要的输入尺寸。特征抽取。选取一个预先训练好的卷积神经网络，去掉最后的输出层来作为特征抽取模块。...

原创 深度学习基础（六）—— 批标准化 (Batch Normalization)

特征数据的标准化针对每一类型做标准化而不是整个数据令数据统一跨度加速数据处理 两种标准化的方法： Batch Normalization将分散数据统一的一种方法，神经网络训练过程中，网络越深信息损失会严重...

原创 深度学习基础（一）——反向传播算法

概述梯度下降法需要利用损失函数对所有参数求梯度，来寻找最小值点。而反向传播法就是用于计算该梯度的方法，其本质利用链式法则对每个参数求导。网络传播的过程前向传播Initialize the parameters for for an LLL-layer neural network.Implement the forward propagation module. Co...

转载 优盘文件夹被隐藏

将问题U盘插上电脑，打开我的电脑进入文件夹进入工具→文件夹选项→查看（win10系统为查看→选项→查看）：找到“显示所有文件和文件夹”、“隐藏受保护的操作系统文件”。选中这两个选项并点击确定退出，U盘中的文件夹就出现了，在显示的文件夹上右键属性，把隐藏前面的勾去掉，OK，解决。如果隐藏的复选框是灰色的，没有办法去掉，需要用DOS命令去去掉相应的隐藏属性了，在 开始→运行（快捷键win+R...