![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
算法
文章平均质量分 85
秃头小苏
但凡凭努力就可以做到的事,就算不上困难吧!
展开
-
CVer从0入门NLP(一)———词向量与RNN模型
Hello,大家好,我是小苏👦🏽👦🏽👦🏽之前的博客中,我都为大家介绍的是计算机视觉的知识,今天准备和大家唠唠NLP的内容。其实呢,对于NLP,我也是初学者,之前只是有一个大概的了解,所以本系列会以一个初学者的视角带大家走进NLP的世界,如果博客中有解释不到位的地方,希望各位大佬指正。🍭🍭🍭。原创 2023-10-23 11:05:38 · 787 阅读 · 2 评论 -
转置卷积详解(原理+实验)
如果你按照我的步骤试了试,可能会发出一些吐槽,这也太麻烦了,我只想计算一下经过转置卷积后特征图的的变化,即知道输入特征图尺寸以及k、s、p算出输出特征图尺寸,这步骤也太复杂了。函数来封装一个转置卷积过程,可以看到我们的输入为[[1,2],[0,1]],卷积核为[[1,0,1],[1,1,0],[0,0,1]],采用k=3,s=2,p=0进行转置卷积。函数,这个函数定义的是一个正常的卷积,输入是理论第2步得到的特征图,卷积核是第三步翻转后得到的卷积核,经过卷积后输出结果如下:结果和前面的一致。原创 2022-10-13 21:44:33 · 3441 阅读 · 2 评论 -
对抗生成网络GAN系列——DCGAN简介及人脸图像生成案例
前段时间,我已经写过一篇关于GAN的理论讲解,并且结合理论做了一个手写数字生成的小案例,对GAN原理不清楚的可以点击☞☞☞跳转了解详情。🌱🌱🌱GAN网络即是通过生成器和判别器的不断相互对抗,不断优化,直到判别器难以判断生成器生成图像的真假。 那么接下来我就要开始讲述DCGAN了喔,读到这里我就默认大家对GAN的原理已经掌握了,开始发车。🚖🚖🚖 我们先来看一下DCGAN的全称——。原创 2022-10-11 12:08:56 · 13633 阅读 · 39 评论 -
对抗生成网络GAN系列——GAN原理及手写数字生成小案例
其实关于GAN的讲解我早就做过一期,点击☞☞☞了解详情🌱🌱🌱由于最近会用到GAN的一些知识,自己又对GAN进行了一些整理,有了一些新的认识,便写了这篇文章。那么这篇文章和早期的文章有什么区别呢?首先,早期的文章只是对GAN做了一个大概的认识,而这篇文章会贴合论文较为详细的讲解GAN网络;其次,这次我准备写一个GAN系列,介绍一些经典的GAN网络,所以这篇文章和后面打算写的文章关联性更强。【注这里先来简单的介绍一下GAN,其完整的名称为。其实这个起名还有个小故事,我简要的说一下,大家随便听听,就当放松了。..原创 2022-07-17 23:34:02 · 3421 阅读 · 17 评论 -
还不懂目标检测嘛?一起来看看Faster R-CNN源码解读
这部分同样参考霹雳吧啦Wz的视频,Faster R-CNN代码链接如下:Faster R-CNN源码 🍀🍀🍀 先说说这篇文章该怎么用吧?——我觉得最好是这样,你先看看对Faster R-CNN代码的解读,自己先理解理解,之后如果有什么不懂的再来这篇文章看能否找到你想要的答案;或者你已经基本弄明白了代码,那么可以将此篇文章当成一个速查手册。其实用视频和文字来表述问题是各有优劣的,看一段视频无疑会让你快速掌握一个知识点,视频中对某些问题的描述可能也会更清晰,让听者很直观感受到自己能力的提高;而读一篇文...原创 2022-07-08 09:49:37 · 3450 阅读 · 21 评论 -
目标检测系列——Faster R-CNN原理详解
前文我已经介绍过R-CNN、Fast R-CNN的原理,具体内容可以点击下面链接阅读。【注:阅读此篇之前建议对R-CNN和Fast R-CNN有一定的了解】 Faster R-CNN算是这个目标检测系列的最后一篇了,在速度和准确率上也相对达到了比较好的效果,所以还是非常重要的。后面可能会更新语义分割Mask RCNN,当然这都是后话啦。现在就和我一起来学学Faster R-CNN吧。🍻🍻🍻 不知大家是否还记得Fast R-CNN的流程?这里帮大家回忆一下,其步骤如下: 那么Faster...原创 2022-07-03 10:40:41 · 6413 阅读 · 24 评论 -
基于pytorch搭建GoogleNet神经网络用于花类识别
🍊作者简介:秃头小苏,致力于用最通俗的语言描述问题🍊往期回顾:卡尔曼滤波系列1——卡尔曼滤波 基于pytorch搭建AlexNet神经网络用于花类识别🍊近期目标:拥有5000粉丝🍊支持小苏:点赞👍🏼、收藏⭐、留言📩文章目录基于pytorch搭建GoogleNet神经网络用于花类识别写在前面GoogleNet网络模型搭建✨✨✨注意事项训练结果展示小结基于pytorch搭建GoogleNet神经网络用于花类识别写在前面 前面已经出过基于pytorch搭建Al原创 2022-04-23 08:00:00 · 1143 阅读 · 2 评论 -
基于pytorch搭建AlexNet神经网络用于花类识别
🍊作者简介:秃头小苏,致力于用最通俗的语言描述问题🍊往期回顾:卡尔曼滤波系列1——卡尔曼滤波 张氏标定法原理详解🍊近期目标:拥有5000粉丝🍊支持小苏:点赞👍🏼、收藏⭐、留言📩文章目录基于pytorch搭建AlexNet神经网络用于花类识别写在前面完整网络模型训练步骤1、准备数据集2、加载数据集3、搭建神经网络✨✨✨4、创建网络模型5、设置损失函数、优化器等参数6、开始训练网络✨✨✨7、开始测试网络✨✨✨8、保存模型9、模型训练结果使用训练模型进行物体识别✨✨✨...原创 2022-04-19 09:21:44 · 5009 阅读 · 22 评论 -
混沌理论作业简析——两人一组_图像加密解密小游戏
🍊作者简介:秃头小苏,致力于用最通俗的语言描述问题🍊往期回顾:霍夫直线检测原理详解 霍夫直线检测代码实战🍊近期目标:拥有2000粉丝🍊支持小苏:点赞👍🏼、收藏⭐、留言📩 写在前面 最近混沌理论的课程要求俩人一组进行图像的加密和解密,即一个人来对一张图像进行加密,另一个人对加密后的图像进行解密。🥗🥗🥗对图像加密的方式有很多种,很自然的想法就是在图像中加入一些随机的噪点,让原始图像变得不清晰。当然方法太多原创 2022-03-25 11:50:31 · 8623 阅读 · 7 评论 -
霍夫圆检测原理+实战
🍊作者简介:秃头小苏,致力于用最通俗的语言描述问题🍊往期回顾:霍夫直线检测原理详解 霍夫直线检测代码实战🍊近期目标:拥有2000粉丝🍊支持小苏:点赞👍🏼、收藏⭐、留言📩 霍夫圆检测原理+实战霍夫圆检测原理 在之前已经详细介绍过霍夫直线检测的原理了,这次我们来简单的谈谈霍夫圆检测的原理并进行实战演练。在霍夫直线检测中我已经非常详细的给出了直线检测的原理,不清楚的请先去了解。🥗🥗🥗 这篇文章我可能不原创 2022-03-24 16:13:39 · 6918 阅读 · 25 评论 -
霍夫直线检测代码实战
🍊作者简介:秃头小苏,致力于用最通俗的语言描述问题🍊往期回顾:霍夫直线检测原理详解🍊近期目标:拥有2000粉丝🍊支持小苏:点赞👍🏼、收藏⭐、留言📩 霍夫直线检测代码实战 上一节我们详细讲解了霍夫直线原理,想弄清楚霍夫直线检测原理的请前去阅读🚗🚗🚗这一节我们主要来进行代码实战——对车道线进行检测。🏝🏝🏝 本节主要利用opencv中提供的2个函数进行检测,分别为HoughLines和HoughLinesP函数。这里给出opencv官网对两个原创 2022-03-22 21:23:28 · 7421 阅读 · 15 评论 -
霍夫直线检测原理详解
🍊作者简介:秃头小苏,致力于用最通俗的语言描述问题🍊往期回顾:对Nuscenes数据集一无所知,手把手带你玩转Nusences数据集🍊近期目标:拥有2000粉丝 霍夫直线检测原理详解 在自动驾驶检测车道线的过程中,利用霍夫变换是实现车道线检测的一个思路,下面将来详细介绍霍夫直线检测的原理🀄🀄🀄首先明确霍夫变换的大体思想,其实就是利用坐标系的转换来产生一些神奇的效果🎍🎍🎍 我们先来看这样的一个例子,在直角坐标坐标系中有一点A(x0,y0),则过该点的直线有无数条,我们.原创 2022-03-21 16:43:33 · 8203 阅读 · 23 评论 -
还在用VGG? RepVGG重铸VGG荣光
文章目录写在前面RepVGG结构多路模型转单路模型✨✨✨1、卷积层和BN层的合并2、1x1卷积转换为3x3卷积3、残差模块转换为3x3卷积卷积的可加性原理实验结果 写在前面 VGG算是非常经典的网络了,它是由牛津大学计算机视觉组(Visual Geometry Group)和Google DeepMind公司的研究员一起研发的 “直筒型“ 的网络。既然在看这篇文章,想必已经对VGG十分熟悉了。VGG有一些特别明显的缺陷,如网络的参数量较多,模型检测准确率也不是很好,总之VGG网络效果不理想原创 2022-03-10 21:35:29 · 1101 阅读 · 5 评论 -
深度学习经典网络模型汇总——LeNet、AlexNet、ZFNet、VGGNet、GoogleNet、ResNet【对卷积池化后特征图变化有详细讲解】
先来看一下我们要讲述哪些经典的网络模型,如下:LeNet :最早用于手写数字识别的CNN网络AlexNet :2012年ILSVRC比赛冠军,比LeNet层数更深,这是一个历史性突破。ZFNet :2013年ILSVRC比赛效果较好,和AlexNet类似。VGGNet :2014年ILSVRC比赛分类亚军、定位冠军GoogleNet :2014年ILSVRC分类比赛冠军ResNet :2015年ILSVRC比赛冠军,碾压之前的各种网络LeNet 1989年,Yang LeCun等原创 2022-01-26 00:20:01 · 13786 阅读 · 6 评论 -
使用pytorch自己构建网络模型实战
主要使用pytorch来构建自己的网络,会一步步列出构建步骤,让你对构建网络模型的方法步骤有清晰的认识!!!原创 2022-01-20 22:59:10 · 6507 阅读 · 13 评论 -
yolo原理系列——yolov1--yolov5详细解释
yolo系列算法之yolov1--yolov5详解原创 2022-01-17 23:44:22 · 28255 阅读 · 16 评论 -
卡尔曼滤波分析及程序
文章目录卡尔曼滤波是干什么的卡尔曼滤波例子分析卡尔曼公式卡尔曼滤波直观理解卡尔曼Python例子【使用jupyter-notebook】这部分内容不注重卡尔曼滤波的推导,只关注卡尔曼滤波的作用【据说推导很难????????,总之这篇文章是对卡尔曼的整体流程进行解释,没有纠结公式的逐步推导,看了这部分会让你知道卡尔曼滤波是干什么的,具体的步骤是什么✔✔】卡尔曼滤波是干什么的 卡尔曼滤波是用来对事物的状态进行估计的,为什么要对事物的状态进行估计呢?那肯定是我们无法准确的知道事物的当前状态,这时候我原创 2021-12-24 18:34:30 · 1567 阅读 · 3 评论 -
GAN简介及原理分析
GAN简介及原理分析生成式对抗网络(GAN, Generative Adversarial Networks )是一种深度学习模型,是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中(至少)两个模块:生成模型(Generative Model,下文简写G)和判别模型(Discriminative Model,下文简写D)的互相博弈学习产生相当好的输出。判别模型(D)的任务就是判断一个实例是真实的还是由模型生成的;生成模型(G)的任务就是生成一个实例来骗过判别模型(D)。两个模型相互对抗,最后会原创 2021-10-06 16:17:44 · 7676 阅读 · 18 评论 -
零基础学习Adaboost算法---原理+实例(对强分类器错误率为0有详细解释)
本文主要讲述了Adaboost算法,详细阐述了其原理,同时通过实例对算法进行解释,相信你通过读此文章,会对Adaboost有一定了解。本文主要参考了七月的一篇文章:https://blog.csdn.net/v_JULY_v/article/details/40718799这篇文章中强分类器错误率为0的解释不全,本文有对其详细的解释。当然非常推荐大家阅读七月的文章,因为他的文章都写的太好了。同样的,因为自己是在Word上编写的,上传CSDN会乱码,故放到了gitee上,大家可以很方便的下载查看,l链接原创 2021-09-23 23:27:21 · 1086 阅读 · 3 评论 -
决策树算法
文章目录决策树1. 决策树的整体理解2. 决策树的构造2.1 决策树----熵2.2 构造决策树3. C4.5算法4. 决策树剪枝决策树1. 决策树的整体理解 决策树,顾名思义,首先它是一棵树,其次,这棵树可以起到决策的作用(即可以对一些问题进行判断)。 现通过下面的例子来理解决策树的作用。(注:决策树既可以做分类也可以做回归,此处主要讨论分类的决策树)图中共有五个人,现需要从中挑选出可能喜欢打篮球的人。那么我们就可以通过年龄和性别这两个指标去进行选择,第一步筛选出年龄小于15岁的两人,第二原创 2021-09-19 11:22:55 · 2292 阅读 · 18 评论 -
卷积神经网络
通俗理解卷积神经网络(cs231n与5月dl班课程笔记) 1 前言 2012年我在北京组织过8期machine learning读书会,那时“机器学习”非常火,很多人都对其抱有巨大的热情。当我2013年再次来到北京时,有一个词似...转载 2021-09-02 19:39:39 · 685 阅读 · 3 评论 -
感知器算法
1. 感知器简介感知器,也可翻译为感知机,是Frank Rosenblatt在1957年就职于Cornell航空实验室(Cornell Aeronautical Laboratory)时所发明的一种人工神经网络。它可以被视为一种最简单形式的前馈式人工神经网络,是一种二元线性分类器。1957年,Frank Rosenblatt从纯数学的度重新考察这一模型,指出能够从一些输入输出对( X , y)中通过学习算法获得权重W和 b。问题:给定一些输入输出对( X , y),其中???? = ±1 ,求一个原创 2021-08-31 17:10:08 · 865 阅读 · 2 评论 -
支持向量机(SVM)公式推导
这里,感觉用纯文字不能很好的表达推导的过程,我把自己学习这部分时觉得讲的比较好的一位老师推荐给大家,(都是纯手工板书推导)一共有好几节内容,看完相信你会对支持向量机及其推导过程有一定的认识,链接如下:支持向量机视频—大海老师...原创 2021-08-30 17:30:36 · 277 阅读 · 0 评论 -
BP神经网络(算法整体思路及原理+手写公式推导)
1. 简介2. 计算过程3. 权重偏置更新公式推导4. BP神经网络优劣势1. 简介BP(back propagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念,是一种按照误差逆向传播算法训练的多层前馈神经网络,是应用最广泛的神经网络。BP网络是在输入层与输出层之间增加若干层(一层或多层)神经元,这些神经元称为隐单元,它们与外界没有直接的联系,但其状态的改变,则能影响输入与输出之间的关系,每一层可以有若干个节点。2. 计算过程首先,我们先来了解.原创 2021-08-24 17:24:18 · 70963 阅读 · 26 评论 -
蚁群算法(实例帮助理解)
1.算法简介1.1 算法起源1.2 算法应用2. 基本原理3.算法设计3.1 算法步骤3.2 参数意义及设置3.3 构建路径3.4 更新信息素浓度3.5 判断是否中止1.算法简介1.1 算法起源蚁群算法(ant colony optimization, ACO),又称蚂蚁算法,是一种用来在图中寻找优化路径的机率型算法。其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。它能够求出从原点出发,经过若干个给定的需求点,最终返回原点的最短路径。这也就是著名的旅行商问题(Traveling Salem.原创 2021-08-21 17:45:08 · 21770 阅读 · 29 评论