qq_38622495的博客

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...

原创 caffe配置(Ubuntu16.04+CUDA8.0+CUDNN8.0+OPENCV3.1.0+Anaconda2)

1. Ubuntu 16.04安装 制作启动盘重启电脑 -> 进入BIOS系统(戴尔 F2键) ->修改启动项，优先优盘启动 NVIDIA显卡与Ubuntu系统不兼容，会出现黑屏现象 解决方法：安装时，选择”install ubuntu”，按”e”进入编辑模式去掉”–”后，依照不同显卡进行不同显卡驱动选项的添加 Intel 82852/82855...

原创 滴滴云配置

glounanacondawegt https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/安装bash Aexport PATH=~/anaconda3/bin:$PATH下载包含本书全部代码的压缩包，解压后进入文件夹。运行如下命令。mkdir gluon_tutorials_zh-1.0 && cd gl...