- 博客(7)
- 收藏
- 关注
RSS订阅原创 TCN与CNN的区别
类实现的时间卷积网络单元（TCN）专门设计用于处理时间序列数据，它通过卷积层提取时间特征。类通过设计来捕捉时间序列数据中的局部模式和长期依赖关系，这使得它在处理时间序列数据时比普通卷积层更加有效。代码提取自2s-AGCN对TCN函数的定义。
2024-09-19 17:29:55
326
原创 2s-AGCN Github操作解读
是用于处理和生成用于2s-AGCN模型训练和验证的数据集的脚本。它主要用于处理两个数据集中的骨架（skeleton）数据，将其转换成适合模型输入的格式，并进行必要的预处理。这行代码用于生成骨骼数据。在ST-GCN模型中训练用到的是关节数据而不是骨骼数据，在2s-AGCN中考虑到了二阶数据，即骨骼数据，这在论文中也多次提到。使用 NTU RGB+D 数据集的交叉视图部分的关节和骨骼数据，通过集成这些数据的测试结果来评估模型的性能，特别关注准确率和Top-5准确率这两个关键指标。
2024-09-14 20:23:38
270
原创 ST-GCN行为识别论文学习笔记
从输入视频到动作分类的整个流程，包括使用姿势估计算法从视频中提取骨架数据，构建时空图，然后应用多层时空图卷积，最后通过Softmax分类器进行动作分类。
2024-09-11 14:11:09
1797
原创 循环神经网络（RNN）基础知识
在RNN中，同一时间步的网络结构是相同的，并且在整个序列处理过程中共享相同的参数。这意味着，对于序列中的每个元素，网络使用相同的权重和偏置。：RNN通过在网络中引入循环连接（或递归连接），使得网络能够在每个时间步长上维护一个隐藏状态，这个隐藏状态可以存储之前时间步的信息。：RNN可以处理不同长度的输入序列，因为它可以动态地处理序列中的每个元素，直到达到某个终止条件。RNN的核心特点是它能够处理输入数据的时间动态特性，即能够捕捉数据在时间上的变化和依赖关系。
2024-09-07 15:41:14
189
原创 常见问题2-骨骼点数据和RGB数据
骨骼点数据（Skeleton Data），也称为关键点数据（Keypoint Data），是一种用于捕捉和描述人体或动物身体各部分在空间中位置的数据。然而，RGB数据也有其独特的优势，如能够提供丰富的颜色和纹理信息，有助于识别人体的外观特征和属性。在实际应用中，研究者和开发者可能会结合使用RGB数据和骨骼点数据，以利用各自的优势，提高人体识别系统的性能。：RGB数据可以转换到其他颜色空间，如HSV（色相、饱和度、亮度）或CMYK（青色、品红、黄色、黑色），以适应不同的应用需求。
2024-08-12 16:48:12
755
原创 常见问题1-为什么神经网络中经常在Conv层后添加ReLU作为激活函数
例如，一个网络含有三个隐藏层，梯度消失问题发生时，靠近输出层的hidden layer 3的权值更新相对正常，但是靠近输入层的hidden layer1的权值更新会变得很慢，导致靠近输入层的隐藏层权值几乎不变，仍接近于初始化的权值。我们知道，如果不使用激活函数无论你神经网络有多少层，输出都是输入的线性组合，这相当于最原始的感知机，这种情况下网络的逼近程度就相当有限，因此我们决定引入非线性函数作为激励函数，这样深层神经网络表达能力就更加强大（不再是输入的线性组合，而是几乎可以逼近任意函数）。
2024-08-11 18:00:39
1378
原创 MNIST数据集禁止访问，自行下载并导入
目前在看《深度学习入门：基于Python的理论与实现》这本书，学到了3.6MNIST数据集这一节，由于提供的源码需要访问官方网址去下载MNST数据集，但这个我又被禁止访问了，导致给的源码我就运行不了，搜一我就自行下载并将数据集压缩包解压后和那些源码放在同一个文件夹下，然后对代码进行了相应的更改，因为我已经下载过了就不需要再访问网址去官网下载，更改之后的源码也放在下面，供有需要的友友查阅。要修改路径，让路径不要带中文哦！
2024-07-12 14:06:16
284
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人