深度学习&图像处理
文章平均质量分 66
-断言-
莫等闲,白了少年头,空悲切!
展开
-
【2023春李宏毅机器学习】生成式学习的两种策略
生成式学习的两种策略:各个击破、一步到位对于文本生成:把每一个生成的元素称为token,中文当中token指的是字,英文中的token指的是word piece。比如对于unbreakable,他的word piece指的是:un break able三个元素对于图片生成:每一步会生成像素。原创 2023-11-18 17:29:12 · 352 阅读 · 0 评论 -
【2023春李宏毅机器学习】快速了解机器学习基本原理
ChatGPT:把生成式学习拆解成多个分类问题。设定范围:确认候选函数的集合,即model。机器学习约等于机器自动找一个函数。首先应明确要找什么的函数。原创 2023-11-17 21:57:21 · 664 阅读 · 0 评论 -
深度学习框架
文章目录1. Theano2. TensorFlow3. MXNet4. Keras5. Pytorch6. Caffe看到这几个词终于知道是啥东西了QAQ1. Theano2. TensorFlow3. MXNet4. Keras5. PytorchPytorch是一个python优先的深度学习框架,能够在强大的GPU加速的基础上实现张量和动态神经网络。pytorch是pytorch的一个软件包,其提供了两种更高层次的功能:(1)使用强大的GPU加速的tensor计算(类似于numpy)原创 2021-04-02 18:02:10 · 195 阅读 · 0 评论 -
如何读论文
文章目录泛读精读总结论文阅读效果自测三部曲:泛读–精读–总结泛读泛读:重点读标题、摘要、结论、小标题、图表泛读自测:解决了什么问题采用了什么方法达到了什么效果精读精读:自己感兴趣的关键内容,学生时尽量面面俱到扩大知识面总结总结:总结创新点、关键点、启发点论文阅读效果自测回答三个问题:论文采用/提出什么方法,细节是什么论文要解决什么任务/问题,其启发点或借鉴之处在哪里论文方法达到什么效果...原创 2021-02-21 22:32:21 · 155 阅读 · 0 评论 -
FCN论文摘要
文章目录1. 主要成就2. 核心思想3. 主要方法4. 实验结果与传统分类网络的比较总结:摘要写作思路1. 主要成就端到端、像素到像素训练方式下的卷积神经网络,超过了现有语义分割最先进的技术完成了密集预测任务dense prediction tasks,即像素级别的预测任务2. 核心思想核心思想是构建了一个全卷积的网络,可以输入任意尺寸的图像,经过有效的推理和学习过程产生相应尺寸的输出3. 主要方法将当前分类网络的全连接层(Alexnet、vggNet和GoogleNet)改编成全卷积网络,并原创 2021-02-21 21:55:05 · 256 阅读 · 0 评论 -
语义分割、实例分割、全景分割的简单理解
文章目录1. 语义分割2. 语义分割、实例分割、全景分割2.1 语义分割2.2 实例分割2.3 全景分割1. 语义分割语义分割是从具体到抽象的过程分割:把不同目标标注成不同颜色的过程语义:图片所表达的意思,例如:一个人正在骑一辆自行车2. 语义分割、实例分割、全景分割2.1 语义分割图(b)。把不同的事务根据类别涂成同一个颜色。(例如图b,车都是蓝色、行人都是红色,但不区分汽车A、B,行人甲、乙、丙、丁)2.2 实例分割图(c)。不关心背景,则把背景统一涂成黑色。不仅不同种类之间使用不原创 2021-02-21 21:41:54 · 1173 阅读 · 1 评论 -
零基础入门语义分割-地表建筑物识别-Task1 赛题理解
文章目录1 赛题理解1.1 学习目标1.2 赛题数据1.3 数据标签1.4 评价指标1.5 读取数据1.6 解题思路1.7 本章小结1.8 课后作业2. 作业解答2.1 Rle编码理解2.2 赛题数据读入2.3 数据可视化展示2.4 统计所有图片整图中没有任何建筑物的图片占所有训练集图片的比例2.5 统计所有图片中建筑物像素占所有像素的比例和统计所有图片中建筑物区域平均区域大小1 赛题理解赛题名称:零基础入门语义分割-地表建筑物识别赛题目标:通过本次赛题可以引导大家熟练掌握语义分割任务的定义,具体的原创 2021-02-20 22:34:15 · 759 阅读 · 1 评论 -
pytorch搭建GoogleNet网络
文章目录网络结构model.pytrain.pypredict.py每个inception网络结构相同,只是参数不同。因此把inception当成一个层结构,同时把两个辅助分类器当做一个层结构网络结构表格中#1*1代表下图中卷积核为1*1的个数,以此类推model.py当我们实例化一个模型model后,可以通过model.train()和model.eval()来控制模型状态,在model.train()模式下self.trainning=True,在model.eval()模式下self.t原创 2021-02-17 20:16:47 · 218 阅读 · 0 评论 -
GoogLeNet网络讲解
文章目录1. 网络结构2. 网络亮点3. inception结构1. 网络结构最顶上的是主分类器(即最终输出结点),侧边的两个是辅助分类器2. 网络亮点引入inception结构(融合不同尺度的特征信息)使用1*1的卷积核进行降维和映射处理添加两个辅助分类器帮助训练丢弃全连接层,使用平均池化层(大大减少模型参数)AlexNet和VGG都只有一个输出层,GoogLeNet有三个输出层(其中两个辅助分类层)3. inception结构注意:每个分支所得的特征矩阵高和宽必须相同.原创 2021-02-17 12:41:42 · 637 阅读 · 0 评论 -
pytorch搭建VGG网络
文章目录model.pytrain.pypredict.pyVGG网络基本介绍参考上一篇:VGG网络及感受野的计算model.pyimport torch.nn as nnimport torchclass VGG(nn.Module): def __init__(self, features, num_classes=1000, init_weights=False): super(VGG, self).__init__() self.features原创 2021-02-16 23:46:46 · 242 阅读 · 2 评论 -
VGG网络及感受野的计算
文章目录1. 网络结构2. 网络亮点3. CNN感受野1. 网络结构2. 网络亮点可以通过堆叠多个33的卷积核来代替大尺度卷积核(减少所需参数)论文中提到,可通过堆叠两个3 3的卷积核代替5* 5的卷积核,堆叠三个3* 3的卷积核替代7* 7的卷积核3. CNN感受野在卷积神经网络中,决定某一层输出结果中一个元素所对应的输入层的区域大小,被称作感受野。即输出feature map上的一个单元对应输入层上区域的大小感受野计算公式:F(i)=(F(i+1)−1)∗Stride+KsizeF(i原创 2021-02-16 16:31:04 · 768 阅读 · 1 评论 -
MobileNet网络
文章目录网络亮点传统卷积神经网络,内存需求大、运算量大导致无法在移动设备以及嵌入式设备上运行MobileNet网络专注于移动端或者嵌入式设备中的轻量级CNN网络。相比于传统卷积神经网络,在准确率小幅降低的前提下大大减少模型参数与运算量(相比于VGG16准确率减少0.9%,但模型参数只有VGG的1/32)网络亮点DW卷积Depthwise Convolution (大大减少运算量和参数数量)增加超参数α\alphaα、β\betaβα\alphaα控制卷积层卷积核个数β\betaβ控制输入原创 2021-01-23 16:29:18 · 1720 阅读 · 1 评论 -
使用pytorch搭建ResNet并基于迁移学习训练
文章目录model.pytrain.pypredict.pyResNet网络参数列表model.pytrain.pypredict.py原创 2021-01-22 12:54:24 · 2661 阅读 · 2 评论 -
深度学习笔记(7)
优化算法进阶;word2vec;词嵌入进阶原创 2020-02-25 17:36:53 · 284 阅读 · 0 评论 -
深度学习笔记(8)
文本分类;数据增强;模型微调原创 2020-02-25 18:22:10 · 225 阅读 · 0 评论 -
机器学习算法(一)基于逻辑回归的分类预测
基于逻辑回归的分类预测原创 2020-08-20 23:49:47 · 495 阅读 · 0 评论 -
深度学习笔记(5)
卷积神经网络基础;leNet;卷积神经网络进阶原创 2020-02-19 18:57:00 · 2569 阅读 · 1 评论 -
深度学习笔记(1)
线性回归线性回归的基本要素:模型、数据集、损失函数、优化函数原创 2020-02-13 17:53:00 · 226 阅读 · 0 评论 -
深度学习笔记(4)
机器翻译及相关技术;注意力机制与Seq2seq模型;Transformer原创 2020-02-19 18:34:51 · 633 阅读 · 0 评论 -
深度学习笔记(2)
一、文本预处理二、语言模型三、循环神经网络基础原创 2020-02-14 16:57:33 · 285 阅读 · 0 评论 -
深度学习笔记(3)
一、过拟合、欠拟合及其解决方案二、梯度消失、梯度爆炸、梯度偏移 三、循环神经网络进阶原创 2020-02-18 17:06:30 · 1030 阅读 · 0 评论 -
ResNet网络结构、BN以及迁移学习介绍
ResNet网络结构,BN以及迁移学习介绍原创 2021-01-20 20:53:16 · 4862 阅读 · 0 评论 -
AlexNet网络-花分类
一、AlexNet详解网络结构网络亮点:什么是过拟合?什么是dropout二、实例:花分类model.pytrain.pypredict.py原创 2021-01-18 19:56:14 · 867 阅读 · 0 评论 -
Lenet-pytorch官方demo
文章目录pytorch官方demo(Lenet)pytorch安装模型代码+训练代码+预测代码原创 2021-01-18 17:53:54 · 572 阅读 · 0 评论 -
卷积神经网络基础CNN
简单介绍卷积神经网络中常见的全连接层,卷积层以及池化层;误差反向传播过程以及训练优化器的原理原创 2021-01-14 21:33:46 · 217 阅读 · 0 评论 -
深度学习&图像处理综述
一、图像分类输入一张图片辨别是鸡蛋花还是玫瑰花等等五个经典网络LeNetAlexNetVggNetGoogLeNetResNet二、目标检测经典网络Faster R-CNNSSDYolo v3三、图像分割黑色代表背景、绿色代表自行车等...原创 2021-01-13 18:05:22 · 1134 阅读 · 0 评论