- 博客(13)
- 收藏
- 关注
RSS订阅原创 使用google的Bert获得中文的词向量
使用google的Bert获得中文的词向量Bret介绍下载代码和模型Bret介绍Bret是Google2018年推出的最新的词向量训练工具，在nlp领域各个问题的性能上均有大幅提升，是nlp领域具有变革型的一项工作。已经有大量介绍Bret原理的博客，感兴趣的可以取看一下。本文主要介绍如何使用Bret获取到中文的词向量，用于后续的诸如文本分类、命名实体识别、情感分类等工作。下载代码和模型Go...
2019-05-06 20:37:20
9602
6
原创 tensorflow中的tensorflow.python.framework.errors_impl.NotFoundError 错误及解决方法
在使用tensorflow是，出现tensorflow.python.framework.errors_impl.NotFoundError错误python extract_features.py --config_file=/model/chinese/config.json 报错如下：tensorflow.python.framework.errors_impl.NotFound...
2019-05-06 19:39:51
54790
4
原创 在win10 64位系统下安装 LightGBM
安装过程参考 https://lightgbm.readthedocs.io/en/latest/Installation-Guide.htmlInstall Git for Windows, CMake and MinGW-w64.Run the following commands:首先git lightgbmgit clone --recursive https://git...
2019-03-20 19:14:56
955
原创 CVPR,ECCV,ICCV14-17年视觉目标追踪论文汇总
近三年来计算机数据三大顶会有关单目标视觉追踪的文章汇总 2017CVPR CVPR-17-1-Superpixel-Based Tracking-By-Segmentation Using Markov Chain CVPR-17-2-BranchOut: Regularization for Online Ensemble Tracking With Convolutional Neura
2018-01-03 21:51:14
3116
1
原创 caffe中常见层的用法以及参数
caffe中常见的一些层的用法，和参数配置 官方文档 http://caffe.berkeleyvision.org/tutorial/layers.html 1.Reshape 改变输入数据的维度 常见配置如下：layer { name: "reshape" type: "Reshape" bottom: "input" top: "output" r
2017-12-05 21:01:25
2959
1
原创 VGG_VOC0712_SSD_300x300_deploy
name: “VGG_VOC0712_SSD_300x300_deploy” input: “data” input_shape { dim: 1 dim: 3 dim: 300 dim: 300 } layer { name: “conv1_1” type: “Convolution” bottom: “data” top: “conv1_1
2017-12-03 22:30:26
935
1
原创 VGG_VOC0712_SSD_300x300_train
name: “VGG_VOC0712_SSD_300x300_train” layer { name: “data” type: “AnnotatedData” top: “data” top: “label” include { phase: TRAIN } transform_param { mirror: true me
2017-12-03 22:29:02
2360
1
原创 ssd
from __future__ import print_functionimport caffefrom caffe.model_libs import *from google.protobuf import text_formatimport mathimport osimport shutilimport statimport subprocessimport sys# Ad
2017-12-03 22:25:59
444
原创 字符识别OCR(optical character recognition)经典框架解析
字符识别通常包含2个阶段： 1.字符检测(detection) 2.字符识别(recognition) 一.检测 检测常用的框架包括：R-CNN ,fast R-CNN,faster R-CNN,YOLO,SDD等框架。但是由于字符检测与通用的字符检测有一定的差别，字符有其特殊的特征: 1.文字目标的特殊性，一个很大的先验是，文字总是水平排列的。 2.文字的特征总感觉体现在edge上。
2017-11-19 13:29:25
5659
1
原创 调试faster_rcnn及常见问题
1.可能需要Python安装包：cython，python-opencv，easydict 2.下载 git clone –recursive https://github.com/rbgirshick/fast-rcnn.git 3.生成Cython模块 cd $FRCN_ROOT/lib make其中FRCN_ROOT为faster_rcnn的根目录 4.Make fast
2017-10-22 12:57:32
1949
原创 目标识别基础知识
http://www.cnblogs.com/gujianhan/p/6035514.html Roi：Region Of Interest OCR：Optical character recognition 光学字符识别 选择性搜索 Selective Search http://blog.csdn.net/mao_kun/article/details/50576003 OverFea
2017-10-21 14:29:30
1027
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人