- 博客(6)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 GlobalAveragePooling对于fc的替代作用
现在做3D-CNN处理高光谱遥感影像的网络结构时，在模型的最后一层送入到分类器之类，习惯性的会加上一个GlobalAveragePooling3D(GAP)层，这个层对减少参数和降低过拟合风险有很大的作用，它实际上是对fc层的一个替换，在ALexNet，VGG上在分类器之前都会有fc层。GAP是没有参数的，但是fc层会引入大量的参数。GAP将最后一层的每个特征图进行一个平均池化操作，形成一个特征点...
2018-06-30 09:29:09
3972
1
原创 超参数和验证集
大多数机器学习算法都有超参数，可以设置来控制算法行为。超参数的值不是通过学习算法本身学习出来的。有时一个选项被设为学习算法不用学习的超参数，是因为它太难优化了。更多的情况是该选项必须是超参数，是因为它不适合在训练集上学习。这适用于控制模型容量的所有超参数。如果在训练集上学习超参数，这些超参数总是趋向于最大可能的模型容量，导致过拟合。为了解决这个问题，我们需要一个训练算法观测不到的验证集样本...
2018-06-28 10:15:59
4497
1
原创 one-hot编码
在分类问题上，将label处理成one-hot编码格式是很通用的做法，什么是one-hot编码？就是将类别变量转换为机器学习算法易于利用的一种形式的过程。比如：上面这个公司对应四个标签值，类比值是成比例增加的，处理成one-hot编码格式：大家会发现VW从1变成了（1,0,0），时间上这各向量就是一组以类别作为长度，在每一类具体所在位置上标1.为什么处理成这样的格式呢？因为在输入数据时，假定类别值...
2018-06-22 12:33:52
5621
原创 深度学习中 “end to end” 网络
“end to end”理解起来就是端到端网络，现在我做高光谱遥感时，都会在论文里面加一句模型实现了端到端的网络，作为深度学习的一个优势提出来。端到端，其实就是从模型的输入端到输出端，不需要经过预处理或者后处理手段，原始数据进入网络输出结果。端到端网络统一了处理训练过程分类过程，全部交给网络来处理。传统方法处理高分辨率影像时，首先需要人工的设计特点，提取图像特征点，将提取的特征作为模型输入在送入分...
2018-06-22 12:00:30
1414
原创 keras中 ValueError: Variable basic_block 1_0 batch_norm/moving_mean/biased already exists, disallowed
keras中 ValueError: Variable basic_block 1_0 batch_norm/moving_mean/biased already exists, disallowed. Did you mean to set reuse=True in VarScope? Originally defined at:我在keras里面报了这个错，也是一头雾水，网上百度了一下，可能...
2018-06-17 14:43:42
2403
1
原创 高光谱中的同物异谱及同谱异物现象
高光谱影像分类中光谱是很重要的一个维度，目前主流的方法是既考虑空间，也考虑光谱，在两个维度上同时采样以提取联合特征。同物异谱：在相同的地物上，由于周围环境、病虫害或者放射性物质等影响，造成的相同的物种但是其光谱曲线不同。异物同谱：在某一谱段区，两个不同地物可能会呈现相同的谱线特征。这是同谱异物，也可能是同一个地物，处于不同的状态，如对太阳光相对角度不同，密度不同，含水量不同，生长环境影响光谱曲线，...
2018-06-13 20:03:54
18304
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人