2018年08月_努力努力再努力tq

原创 linux | 将服务器中projec工程映射到本地并利用jupyter编辑服务器代码

ssh user@xx.xx.xxx.xxx -p 2222 -L 18899:localhost:18899 -Njupyter notebook --no-browser --port 18899 授予某个用户权限：chown -R keesail:keesail ./local 指定local目录所有者为keesailchmod 760 ./local 赋予local目...

2018-08-30 15:28:01 472

转载 python | 批量文件名字汉字转拼音

# -*-coding=utf8-*-import os;import pypinyinfrom pypinyin import pinyin, lazy_pinyin def rename(): path=u"C:/Users/xxxer/Desktop/hanzi2pinyin/"; filelist=os.listdir(path)#该文件夹下所有的文件（包括文件...

2018-08-30 15:19:21 3084 1

原创 python | 细粒度分类图像标签的一些处理操作

#-*-coding:utf8-*-import osimport numpy as npimport sysfrom PIL import Imageimport stringimport relabeldict = {}def generate_label(labeldir, traindir): with open(labeldir) as f: ...

2018-08-28 09:10:36 1021 2

转载 python | strip() 和split() 移除字符串末尾数字（正则表达式）

一、strip（）假设str是一个字符串那么str.strip()就是把这个字符串头和尾的空格，以及位于头尾的\n \t之类给删掉。举例e.g.1str=" ABC"那么str.strip() 就会为"ABC"e.g.2str="\t AABBc "那么str.strip()就会为"AABBc"e.g.3str=" \n A BC \t"...

2018-08-28 00:04:19 26133

转载 Python | Image 基本的图像处理操作

PIL ImagePython 里面最常用的图像操作库是Image library（PIL），功能上，虽然还不能跟Matlab比较，但是还是比较强大的，废话补多少，写点记录笔记。1. 首先需要导入需要的图像库：import Image2. 读取一张图片：im=Image.open('/home/Picture/test.jpg')3. 显示一张图片：im.show()...

2018-08-27 13:53:26 3705

转载数据增广 | 原图和labelimg标签同时增加——适用于目标检测任务

针对目标检测任务，对训练数据做旋转进而达到数据增广的python2代码。另外附上一份，检查旋转后效果的Python代码（读取annotations中xml，画图的代码），在最下面# -*- coding:utf-8 -*-# !/usr/bin/env python import osimport cv2import xml.dom.minidomfrom xml...

2018-08-26 18:57:52 5592

转载数据增广 | 原图和mask 同时增加——适用语义分割等

博主想使用Unet网络完成一个分割任务,手边只有40张图和对应的mask,需要进行data augment. 做数据增强有很多工具,常用的是使用keras内置的ImageDataGenerator生成器生成图片,但是这个工具只能对一张图进行随机变化,而image和mask是一一对应的,二者必须同时进行同种变化.下面隆重介绍一个强大的数据增强工具augmentor 它的使...

2018-08-26 18:52:29 7634 15

转载数据增广 | keras的图片生成器ImageDataGenerator对image和mask的同时数据生成

一单张图片+flow函数###图片来源形式"""E:/tmp/0010.jpgE:/tmp/0010.png"""from keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_imgdatagen = ImageDataGenerator( ...

2018-08-26 18:49:54 2504 4

转载 C++基础|templete

转自：http://www.360doc.com/content/09/0403/17/799_3011262.shtml1. 模板的概念。我们已经学过重载(Overloading)，对重载函数而言,C++的检查机制能通过函数参数的不同及所属类的不同。正确的调用重载函数。例如，为求两个数的最大值，我们定义MAX()函数需要对不同的数据类型分别定义不同重载(Overload)版本。 ...

2018-08-22 12:06:10 865

转载细粒度分类 | 细粒度识别中的深度定位与对齐

1.细粒度图像分析任务（又叫子类别图像分类）分类：强监督（物体标准框、局部标注点）、弱监督（无人工标注信息或者只包含物体标注框）；图 1 细粒度图像识别与粗类识别的区别数据集描述：Caltech-UCSD Birds-200-2011 ...

2018-08-20 23:32:27 4596

转载 C++基础| std::transform()

std::transform在指定的范围内应用于给定的操作，并将结果存储在指定的另一个范围内。要使用std::transform函数需要包含<algorithm>头文件。以下是std::transform的两个声明，一个是对应于一元操作，一个是对应于二元操作：template <class InputIterator, class OutputIterator, ...

2018-08-20 19:09:45 2028

转载深度学习网络 | inception网络再分析（含代码）

一、Inception网络（google公司）——GoogLeNet网络的综述获得高质量模型最保险的做法就是增加模型的深度（层数）或者是其宽度（层核或者神经元数），但是这里一般设计思路的情况下会出现如下的缺陷：1.参数太多，若训练数据集有限，容易过拟合；2.网络越大计算复杂度越大，难以应用；3.网络越深，梯度越往后穿越容易消失，难以优化模型。解决上述两个缺点的根本方...

2018-08-20 19:03:41 5606 1

转载深度学习 | softmax，softmax loss和cross entropy

我们知道卷积神经网络（CNN）在图像领域的应用已经非常广泛了，一般一个CNN网络主要包含卷积层，池化层（pooling），全连接层，损失层等。虽然现在已经开源了很多深度学习框架（比如MxNet，Caffe等），训练一个模型变得非常简单，但是你对这些层具体是怎么实现的了解吗？你对softmax，softmax loss，cross entropy了解吗？相信很多人不一定清楚。虽然网...

2018-08-20 16:04:54 657

转载细粒度识别 | 百度细粒度识别方案

近日，百度发布了用于花卉识别的移动端应用，这种基于全卷积注意力网络的细粒度识别方法在计算和准确度上都有非常强大的优势。在百度主任研发架构师陈凯和资深研发工程师胡翔宇的解释下，本文首先将介绍什么是细粒度识别，以及一般的细粒度识别方法，然后重点解析百度基于强化学习和全卷积注意力网络的细粒度识别模型。五一出游赏花，为女朋友解释解释细粒度识别也是极好的。细粒度识别的概念其实非常...

2018-08-20 16:03:20 5050

转载细粒度分类 | Bilinear model 以及相关的变形

最近读到了一篇关于bilinear cnn的文章，就把几篇相关的文章进行了阅读和汇总，总共有三篇文章。我将对这三篇文章分别进行描述。Bilinear CNN Models for Fine-grained Visual Recognition-ICCV2015 这篇文章的主要思想是对于两个不同图像特征的处理方式上的不同。传统的，对于图像的不同特征，我们常用的方法是进行串联（连接...

2018-08-19 23:07:48 5911 2

转载 tensorflow | padding 介绍

之前一直对tensorflow的padding一知半解，直到查阅了tensorflow/core/kernels/ops_util.cc中的Get2dOutputSizeVerbose函数，才恍然大悟，下面是具体的介绍实际上tensorflow官方API里有介绍！！不科学上网貌似打不开根据tensorflow中的conv2d函数，我们先定义几个基本符号1、输入矩阵 W×W，这里只考...

2018-08-19 17:44:20 307

转载深度学习 | tensorflow 实现卷积原理，手写python实现卷积

从一个通道的图片进行卷积生成新的单通道图的过程很容易理解，对于多个通道卷积后生成多个通道的图理解起来有点抽象。本文以通俗易懂的方式讲述卷积，并辅以图片解释，能快速理解卷积的实现原理。最后手写python代码实现卷积过程，让Tensorflow卷积在我们面前不再是黑箱子！注意：本文只针对batch_size=1,padding='SAME'，stride=[1,1,1,1]进...

2018-08-19 17:41:11 404

转载深度学习| 用global average pooling 代替最后的全连接层

最近在看关于cifar10 的分类的识别的文章在看all convolution network 中看到中用到一个global average pooling 下面就介绍一下global average pooling 这个概念出自于 network in network 主要是用来解决全连接的问题，其主要是是将最后一层的特征图进行整张图的一个均值池化，形成一个特征点，将这些...

2018-08-18 22:49:56 28688 4

转载深度学习 | 全连接层原理

一.全连接层：全连接层需要把输入拉成一个列项向量，如下图所示：比如你的输入的feature map是2X2，那么就需要把这个feature map 拉成4X1的列向量，如果你的feature map 的channels是3，也就是你的输入是3X2X2，也就是相当于有了12个像素点，你就需要把feature map 拉成12X1的列向量，这时...

2018-08-18 22:42:02 17846

转载 python基础 | python中找出numpy array数组的最值及其索引

1 在list列表中，max(list)可以得到list的最大值，list.index(max(list))可以得到最大值对应的索引 2 但在numpy中的array没有index方法，取而代之的是where，其又是list没有的首先我们可以得到array在全局和每行每列的最大值(最小值同理)>>> a = np.arange(9).reshape...

2018-08-18 22:02:41 3016

转载机器学习 | 概念汇总（西瓜书）

转载请注明作者梦里茶括号表示概念出现的其他页码如果发现错误，请到issue中提出或者直接PR 公式采用latex编辑，MathJax渲染整理by: ahangchen, luopengting, hscspring概念列表o 绪论 o 模型评估与选择线性模型决策树神经网络支持向量机贝叶斯分类器集成学习聚类...

2018-08-17 11:55:12 282

转载目标检测 | OHEM

这里主要说下该论文的hard mining过程：先上图，如Figure2所示：从图中可以看出，本文的亮点在于在每次迭代中，较少训练样本下，如何hard negative mining，来提升效果。即针对Fast-RCNN框架，在每次minibatch（1张或者2张）训练时加入在线筛选hard region的策略，达到新的SoA。需要注意的是，这个OHEM适合于b...

2018-08-17 10:24:17 12796 4

转载 C++基础 | Sizeof与Strlen的区别与联系

一、sizeofsizeof(...)是运算符，在头文件中typedef为unsigned int，其值在编译时即计算好了，参数可以是数组、指针、类型、对象、函数等。它的功能是：获得保证能容纳实现所建立的最大对象的字节大小。由于在编译时计算，因此sizeof不能用来返回动态分配的内存空间的大小。实际上，用sizeof来返回类型以及静态分配的对象、结构或数组所占的空间，返回值跟对象、结构、数...

2018-08-17 01:27:00 240

转载参数估计 | MLE，MAP，朴素贝叶斯估计

最大似然估计（MLE）：最大似然估计提供了一种给定观察数据来评估模型参数的方法，即：“模型已定，参数未知”。简单而言，假设我们要统计全国人口的身高，首先假设这个身高服从服从正态分布，但是该分布的均值与方差未知。我们没有人力与物力去统计全国每个人的身高，但是可以通过采样，获取部分人的身高，然后通过最大似然估计来获取上述假设中的正态分布的均值与方差。最大似然估计中采样需满足一个很重要的假设，就...

2018-08-17 01:06:10 1275

转载梯度下降 | 全量，随机，mini-batch

1，批量梯度下降法（Batch Gradient Descent）：在更新参数时都使用所有的样本来进行更新。　　优点：全局最优解，能保证每一次更新权值，都能降低损失函数；易于并行实现。　　缺点：当样本数目很多时，训练过程会很慢。　　2，随机梯度下降法（Stochastic Gradient Descent）：在更新参数时都使用一个样本来进行更新。每一次跟新参数都用一个样本，更新很多次...

2018-08-17 00:51:32 552

转载 C++基础 | map和unordered_map的差别

还不知道或者搞不清unordered_map和map是什么的，请见： http://blog.csdn.net/billcyj/article/details/78065438需要引入的头文件不同map: #include < map > unordered_map: #include < unordered_map >内部实现机理不同map： map内部...

2018-08-16 11:30:39 192

转载 C++ STL | map的四种插入方法总结

方法一：pair例：map<int, string> mp;mp.insert(pair<int,string>(1,"aaaaa"));方法二：make_pair例：map<int, string> mp;mp.insert(make_pair<int,string>(2,"bbbbb"));方法三：value_type例：...

2018-08-15 14:56:09 12056

参考：https://blog.csdn.net/xiamentingtao/article/details/78598511#commentsmask rcnn是何凯明基于以往的faster rcnn架构提出的新的卷积网络，一举完成了object instance segmentation. 该方法在有效地目标的同时完成了高质量的语义分割。文章的主要思路就是把原有的Faster-RCNN进...

2018-08-09 00:23:18 1040

转载深度学习|RPN网络解析

感谢转自：https://blog.csdn.net/jiongnima/article/details/79781792 1) 直接进行论文阅读：https://arxiv.org/abs/1506.014972) 由于Faster R-CNN先验知识很多，觉得论文阅读有困难的读者，不妨参考笔者的博客：实例分割模型Mask R-CNN详解：从R-CNN，Fast R-CNN，Fa...

2018-08-08 23:54:50 5544

转载深度学习 | ROI pooling解析+代码（解析2）

在笔者的上一篇博客中，解析了Faster R-CNN中的RPN代码，在本篇博客中，笔者详细地解析一下ROI-Pooling代码。为大家讲解2015年Fast R-CNN的核心贡献(ROI Pooling被Faster R-CNN沿用)ROI Pooling的实现原理。(笔者其实一年半之前就看过这个代码，只是当时没有写到博客上，感慨.jpg) 在代码解析正式开始之前，笔者声明几点：1. ...

2018-08-08 23:34:49 1375 1

转载深度学习 | ROI pooling解析+代码（解析1）

一篇外文博客https://deepsense.ai/region-of-interest-pooling-explained/ROI Pooling的意义ROIs Pooling顾名思义，是Pooling层的一种，而且是针对RoIs的Pooling，他的特点是输入特征图尺寸不固定，但是输出特征图尺寸固定；图1 Fast RCNN整体结构往往经过rpn后输出的不止一个矩形框，所以这...

2018-08-08 23:25:25 1914

转载深度学习网络 | FPN和fast rcnn及RPN网络是如何结合的细节

参考自xiamentingtao：https://blog.csdn.net/xiamentingtao/article/details/785980271. FPN解决了什么问题？答：在以往的faster rcnn进行目标检测时，无论是rpn还是fast rcnn，roi 都作用在最后一层，这在大目标的检测没有问题，但是对于小目标的检测就有些问题。因为对于小目标来说，当进行卷积池化...

2018-08-08 21:51:01 30446 15

转载 C++ | 删除std::string或std::wstring的最后一个字符：

//方法1s.pop_back();//从s中移走最后一个元素。在string/wstring中相当于移走最后一个char/wchar_t。这个方法算是比较简单的了。//方法2s.erase(s.end()-1);//删除s的最后一个字符//方法3s=s.substr(0,s.length()-1);//取出s从最开始到倒数第二个字符之间的字符串，赋值给s。相当于去...

2018-08-07 00:25:04 2325

原创 leetcode | 排列相关题目

一、567. Permutation in StringGiven two strings s1 and s2, write a function to return true if s2 contains the permutation of s1. In other words, one of the first string's permutations is the substri...

2018-08-07 00:03:42 143

转载深度学习| Batch Normalization

前言Batch Normalization是由google提出的一种训练优化方法。参考论文：Batch Normalization Accelerating Deep Network Training by Reducing Internal Covariate Shift 个人觉得BN层的作用是加快网络学习速率，论文中提及其它的优点都是这个优点的副产品。网上对BN解释详细的不多，大多从...

2018-08-05 19:50:18 1078

转载 C++基础 | 静态多态与动态多态

多态：顾名思义，多态就是多种形态，也就是对不同对象发送同一个消息，不同对象会做出不同的响应。并且多态分为静态多态和动态多态。静态多态就是在系统编译期间就可以确定程序执行到这里将要执行哪个函数，例如：函数的重载，对象名加点操作符执行成员函数等，都是静态多态，其中，重载是在形成符号表的时候，对函数名做了区分，从而确定了程序执行到这里将要执行哪个函数，对象名加点操作符执行成员函数是通过this指...

2018-08-05 10:29:13 244

转载 C++基础 | 虚函数，多态

我们知道，在同一类中是不能定义两个名字相同、参数个数和类型都相同的函数的，否则就是“重复定义”。但是在类的继承层次结构中，在不同的层次中可以出现名字相同、参数个数和类型都相同而功能不同的函数。例如在例12.1（具体代码请查看：C++多态性的一个典型例子）程序中，在Circle类中定义了 area函数，在Circle类的派生类Cylinder中也定义了一个area函数。这两个函数不仅名字相同，而且参...

2018-08-05 10:15:33 127

转载机器学习 | SVM与LR的比较

两种方法都是常见的分类算法，从目标函数来看，区别在于逻辑回归采用的是logistical loss，svm采用的是hinge loss。这两个损失函数的目的都是增加对分类影响较大的数据点的权重，减少与分类关系较小的数据点的权重。SVM的处理方法是只考虑support vectors，也就是和分类最相关的少数点，去学习分类器。而逻辑回归通过非线性映射，大大减小了离分类平面较远的点的权...

2018-08-05 10:02:11 1154 1

原创语义分割 | segnet 制作自己的数据，如何训练，如何测试,如何评价

本博文介绍如何手把手制作自己的数据集，并使用SegNet网络进行语义分割，如何训练，如何测试自己的分割模型。---------------------------------------------------------------------------------------------------------------------------------------------...

2018-08-03 16:31:09 11021 8

转载神经网络中的几个基本问题

（1）下面的数据是线性可分的嘛？否（2）下面哪个是通用的模型逼近器？ A) Kernel SVM B) Neural Networks C) Boosted Decision Trees D) All of the above D：以上所有都可以得到一个近似的函数。（3）下面那个问题可以用深度学习来解决？ D A：蛋白质结构预测 B：化学反应的预测 C：外来粒子的检测 D...

2018-08-02 22:54:25 9316

C 语言 绩点计算软件

空空如也

C 语言绩点计算软件