Note
Alanyannick
Computer Vision, Machine learning, Artificial intelligence.
展开
-
DeepLearningNotes: Network In Network
reference:http://blog.csdn.net/hjimce/article/details/50458190一、相关理论本篇博文主要讲解2014年ICLR的一篇非常牛逼的paper:《Network In Network》,过去一年已经有了好几百的引用量,这篇paper改进了传统的CNN网络,采用了少量的参数就松松击败了Alexnet网络,Alexnet网络转载 2016-06-03 17:37:26 · 922 阅读 · 0 评论 -
Mean Average Precision
reference: https://www.kaggle.com/wiki/MeanAveragePrecisionIntroductionParameters: nSuppose there are m missing outbound edges from a user in a social graph, and you can predict up to n ot转载 2016-07-04 10:20:23 · 2096 阅读 · 0 评论 -
Understanding the difficulty of training deep feedforward neural networks (Xavier)
转自:http://blog.csdn.net/shuzfan/article/details/51338178“Xavier”初始化方法是一种很有效的神经网络初始化方法,方法来源于2010年的一篇论文《Understanding the difficulty of training deep feedforward neural networks》可惜直到近两年,这个方法才逐转载 2016-06-14 17:34:39 · 13758 阅读 · 2 评论 -
Compression Deep Neural Networks With Pruning, Trained Quantization And Huffman Coding
本次介绍的方法为“深度压缩”,文章来自2016ICLR最佳论文 《Deep Compression: Compression Deep Neural Networks With Pruning, Trained Quantization And Huffman Coding转自:http://blog.csdn.net/shuzfan/article/details/51383809 (内含多转载 2016-06-14 17:31:04 · 1957 阅读 · 0 评论 -
Python format 格式化输出语法讲解
Python一共有两种格式化输出语法,一种是类似于C语言printf的方式,称为 Formatting Expression[python] view plain copy print?>>> '%s %d-%d' % ('hello', 7, 1) 'hello 7-1' 另一种是类似于C#的方式,称为S转载 2016-06-03 09:27:07 · 1367 阅读 · 0 评论 -
深度学习笔记——参考条目
1.http://blog.csdn.net/whiteinblue/article/details/434513832.http://blog.csdn.net/hjimce/article/details/502685553.http://blog.csdn.net/chenriwei2/article/category/2339319原创 2016-04-24 23:26:47 · 1417 阅读 · 0 评论 -
experiment
|检测人脸数据集图片总数|人脸漏检数|人脸错检数|人脸检测率| 检测人脸数据集图片总数 人脸漏检数 人脸错检数 人脸检测率 5141 156 156 156/5141= 96.97%原创 2016-05-10 02:10:42 · 509 阅读 · 0 评论 -
浅析人脸检测之Haar分类器方法
reference link:http://www.cnblogs.com/ello/archive/2012/04/28/2475419.html 由于工作需要,我开始研究人脸检测部分的算法,这期间断断续续地学习Haar分类器的训练以及检测过程,在这里根据各种论文、网络资源的查阅和对代码的理解做一个简单的总结。我试图概括性的给出算法的起源、全貌以及细节的来龙去脉,但是水平有限,只能解其转载 2016-05-09 20:52:47 · 598 阅读 · 0 评论 -
Loss和神经网络训练
出处:http://blog.csdn.net/han_xiaoyang/article/details/50521064 声明:版权所有,转载请联系作者并注明出处1.训练在前一节当中我们讨论了神经网络静态的部分:包括神经网络结构、神经元类型、数据部分、损失函数部分等。这个部分我们集中讲讲动态的部分,主要是训练的事情,集中在实际工程实践训练过程中要注意的一些点,如何找到最合适的转载 2016-05-19 11:41:29 · 85432 阅读 · 5 评论 -
最优化与随机梯度下降
出处:http://blog.csdn.net/han_xiaoyang/article/details/50178505 声明:版权所有,转载请联系作者并注明出处1. 引言上一节深度学习与计算机视觉系列(3)_线性SVM与SoftMax分类器中提到两个对图像识别至关重要的概念:用于把原始像素信息映射到不同类别得分的得分函数/score function用于评估参数W效转载 2016-05-19 11:21:42 · 2434 阅读 · 0 评论 -
机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用
版权声明: 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用,但请注明出处,如果有问题,请联系wheeleast@gmail.com前言: 上一次写了关于PCA与LDA的文章,PCA的实现一般有两种,一种是用特征值分解去实现的,一种是用奇异值分解去实现的。在上篇文章中便是基于特征值分解的一种解转载 2016-05-07 17:08:46 · 779 阅读 · 0 评论 -
机器学习中的数学(4)-线性判别分析(LDA), 主成分分析(PCA)
版权声明: 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用,但请注明出处,如果有问题,请联系wheeleast@gmail.com前言: 第二篇的文章中谈到,和部门老大一宁出去outing的时候,他给了我相当多的机器学习的建议,里面涉及到很多的算法的意义、学习方法等等。一宁上次给转载 2016-05-07 17:07:24 · 570 阅读 · 0 评论 -
机器学习中的数学(3)-模型组合(Model Combining)之Boosting与Gradient Boosting
版权声明: 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用,但请注明出处,如果有问题,请联系wheeleast@gmail.com 前言: 本来上一章的结尾提到,准备写写线性分类的问题,文章都已经写得差不多了,但是突然听说最近Team准备做一套分布式的分类器,可能会使用Random Fo转载 2016-05-07 17:06:20 · 649 阅读 · 0 评论 -
机器学习中的数学(2)-线性回归,偏差、方差权衡
版权声明: 本文由LeftNotEasy所有,发布于http://leftnoteasy.cnblogs.com。如果转载,请注明出处,在未经作者同意下将本文用于商业用途,将追究其法律责任。如果有问题,请联系作者 wheeleast@gmail.com前言: 距离上次发文章,也快有半个月的时间了,这半个月的时间里又在学习机器学习的道路上摸索着前进,积累了一点转载 2016-05-07 17:05:16 · 939 阅读 · 0 评论 -
Precision,Recall的定义
原文出自:http://blog.csdn.net/wangran51/article/details/7579100最近一直在做相关推荐方面的研究与应用工作,召回率与准确率这两个概念偶尔会遇到,知道意思,但是有时候要很清晰地向同学介绍则有点转不过弯来。召回率和准确率是数据挖掘中预测、互联网中的搜索引擎等经常涉及的两个概念和指标。召回率:Recall,又转载 2016-05-02 16:50:21 · 6259 阅读 · 1 评论 -
CNNs学习笔记(1):卷积神经网络-前世今生
一、什么是Deep Learning?实际生活中,人们为了解决一个问题,如对象的分类(对象可是是文档、图像等),首先必须做的事情是如何来表达一个对象,即必须抽取一些特征来表示一个对象,如文本的处理中,常常用词集合来表示一个文档,或把文档表示在向量空间中(称为VSM模型),然后才能提出不同的分类算法来进行分类;又如在图像处理中,我们可以用像素集合来表示一个图像,后来人们提出了新的特征表示,如转载 2016-04-22 22:26:12 · 2488 阅读 · 0 评论 -
Deep learning学习笔记(2):Visualizing and Understanding Convolutional Networks(ZF-net)
reference link: http://blog.csdn.net/whiteinblue/article/details/43312059本文是Matthew D.Zeiler 和Rob Fergus于(纽约大学)13年撰写的论文,主要通过Deconvnet(反卷积)来可视化卷积网络,来理解卷积网络,并调整卷积网络;本文通过Deconvnet技术,可视化Alex-net,并原创 2016-04-28 15:41:43 · 5393 阅读 · 0 评论