2019年07月_YYLin-AI

原创 2019移动广告反欺诈算法挑战赛之初始数据分析

前言：最近参加的科大讯飞的2019移动广告反欺诈算法挑战赛，但是白天一直在忙着写论文，所以一直是跑跑别人的公开的baseline，调调参数一类的，现在是94.43左右，有需要的可以和我说一下，免费奉献。但是感觉成长不是很大，所以就学学kaggle上的一个大佬分析数据的方式很有意思，就拿过来学学。比猫画虎而已，肯定有些不对的。程序是用jupyter写的，但是CSDN不是很支持jupyter，所以...

2019-07-23 00:42:19 3908 35

原创使用迁移学习和融合模型进行图像识别

前言：上一节介绍了如何使用迁移学习进行图像识别，但是只是在单模型上进行图像识别的任务。本节介绍的是如何使用融合模型进行图像识别任务。说起来有点抽象，但是原理并不复杂。具体过程如下：首先：我们将图像放到InceptionV3、InceptionResNetV2模型之中，并且得到图像的隐层特征，PS(其实只要你要愿意可以多加几个模型的)然后：我们把得到图像隐层特征进行拼接操作，并将拼...

2019-07-06 19:38:08 4099 8

原创 Cats vs Dogs之使用迁移学习进行图像识别

前言：前面介绍如何使用AlexNet、VGG19、ResNet_152 、InceptionV4 、DenseNet训练自己的数据集，接下来两节主要介绍如何使用迁移学习进行图像识别的任务。第一节是介绍使用单个模型进行图像识别的任务，第二节介绍使用融合模型进行图像是别的任务。什么是迁移学习：迁移学习（Transfer Learning）：就是指利用已经训练好的开源网络模型...

2019-07-05 16:55:40 1901

原创使用Densenet模型训练自己的数据集

前言：之前四篇文章分别介绍了如何使用AlexNet、VGG19、ResNet_152 、Inception_V4训练自己数据集，本节将介绍最后一个经典图像识别模型Densenet，Densenet是CVPR2017年的Best Paper, DenseNet脱离了加深网络层数(ResNet)和加宽网络结构(Inception)来提升网络性能的定式思维。它建立的是前面所有层与后面层的密...

2019-07-02 23:53:33 15572 41

原创使用Inception V4训练自己的数据集

前言：Inception v1-v4是谷歌推出的一系列产品。这节我们主要介绍一下Inception v1-v4各个模型的特点，并在最后实现一下使用Inception v4进行卫星图像的分类。在这里谈一下我对Inception系列的粗浅的认识。我们可以看到之前一系列深度卷积模型只是在关注如何在不过拟合的情况下加深网络的结构。但是他们却不关注网络的宽度，而Inception系列不仅着手加深网络的深...

2019-07-02 21:20:52 7023 29

原创使用Resnet_50_101_152训练自己的数据集

前言：前面两节介绍了AlexNet和VGG-19模型的结构，以及具体的实现。正如前面讲的两者在结构上是相似的。但是接下来讲的Resnet(残差网络)不仅在深度上取得巨大的进步，而且在架构上也与之前的网络是不同的。残差网络的发明人是何凯明博士期间，在CVPR的文章《Deep Residual Learning for Image Recognition》中首次提出。值得注意的是他还是广东省的高考...

2019-07-02 17:41:52 22161 40

原创使用VGG-19模型训练自己的数据集

前言：上一节介绍的图像识别中一个经典的模型AlexNet，今天介绍的是图像识别领域另一个经典的模型VGG-19。VGG-19是由牛津大学的Oxford Visual Geometry Group实验室发明的。因为不像是AlexNet是由Alex一个人完成的。所以这个模型就按照实验室的名称的缩写命名。VGG-19和AlexNet的整体架构是相似的，只是在AlexNet进行了一些改进，具体的有。...

2019-07-02 17:16:38 25222 66

原创使用AlexNet训练自己的数据集

前言：前两篇分别介绍两个图像识别的模型，第一个是mnist手写体图像识别，第二个是在第一个代码的基础上增加了一些优化技巧，例如正则化、dropout等，并且比较加上各种优化技巧之后图像识别的结果。接下来介绍几个图像识别中比较经典的算法。具体的就介绍AlexNet、VGG19、ResNet_152 、InceptionV4 、DenseNet这五个模型，并且测试一下这些模型在卫星图像...

2019-07-02 15:58:12 23617 72

翻译数据挖掘比赛中几种常见的融合模型方案

前言：数据挖掘相关的比赛中，几乎每个大佬都会谈到融合模型，但是具体模型的实现方式都不会在最后的代码中公布。okay本节介绍一下数据挖掘中的kaggle上一个大佬整理的融合模型的方案，以及代码实现。因为接下来要花好好的写论文了，在这里我先奉上相关的链接，等我论文结束了，再分享一下我的理解。融合模型的原理：https://mlwave.com/kaggle-ensembling-gu...

2019-07-07 16:52:40 1872 1

原创 kaggle竞赛之cat vs dog数据预处理将猫和狗移动到不同文件夹下

比较基础的python程序，只是把猫狗图像移动到不同的文件夹之下。# -*- coding: utf-8 -*-# @Time : 2019/6/30 19:35# @Author : YYLin# @Email : 854280599@qq.com# @File : sample.pyimport osimport globimport shutilimp...

2019-07-03 11:02:32 1926

原创 The `weights` argument should be either random initialization or pre-training on ImageNet

首先看一下我的源码：from keras.applications.vgg16 import VGG16vgg16_weights = '../Dataset/Weight_for_Cats_VS_Dogs/vgg16_weights_tf_dim_ordering_tf_kernels.h5'vgg16_model = VGG16(weights=vgg16_weights)...

2019-07-03 10:09:37 3857 2

原创图像识别模型优化技巧之dropout 学习率递减 L1、L2正则 bacth normal的对比

okay 本节在上一节mnist图像识别的基础上增加一些优化算法，例如 dropout 学习率递减 L1、L2正则 bacth normal正则化优化上一节的模型。从以下四个实验结果我们可以知道batch normal是个利器直接能够将模型的分数提高了0.5分左右，但是其他的几个优化技巧，并没有对模型产生太大的影响，这很正常，因为我们可以发现训练集和测试集的的分数几乎差不多，没有...

2019-07-01 20:05:38 932

原创图像识别第一个代码之mnist(手写体图像)识别

前言：之前一直是做GAN对抗式生成网络的，最近参加了百度的一个关于图像检测的一个比赛，从代码的难度上来说，一直以来都认为图像检测比GAN要简单，毕竟最后图像检测只是把图像放到一个卷积神经网络之中，得到图像的隐层特征，然后使用优化器对图像进行分类即可。但是GAN的话不仅要把上面的操作完成，而且还要增加一个从噪音中生成图像。okay 今天分享我自己写的第一个手写体图像程序，程序特别简单，将...

2019-07-01 19:42:06 1658

YYLin