- 博客(20)
- 收藏
- 关注
RSS订阅原创 目标检测学习-Faster R-CNN
目标检测学习-Faster R-CNNR-CNN的问题Faster R-CNN的结构Rigion Proposal Network(RPN)总结R-CNN的问题上篇说过了R-CNN存在的问题就是候选区域的时间瓶颈，毕竟用Selective Search是CPU进行的，无法用GPU处理，所以Faster R-CNN在这里入手了，把这个候选的过程让神经网络去做。Faster R-CNN的结构F...
2019-07-28 22:34:14
440
原创 目标检测学习-Fast R-CNN
目标检测学习-Fast R-CNN空间金字塔池化(Spatial Pyramid Pooling)感兴趣区域池化(Region Of Interest Pooling)Fast R-CNN还有问题空间金字塔池化(Spatial Pyramid Pooling)前面我们将的R-CNN在候选区选定后，输入到CNN经典网络之前，都需要进行尺寸的裁剪或者缩放(对提取特征可能会产生一定的影响)，以便于满...
2019-07-27 22:48:04
406
原创 目标检测学习-R-CNN
目标检测学习-R-CNN选择性搜索(Selective Search)简单思路R-CNN一些问题选择性搜索(Selective Search)要讲R-CNN之前，还得先说下这个算法，这个就是用来代替上篇文章讲的滑动窗口法。因为滑动窗口法效率太低了，是种暴力穷举的方法，所以有人就想能不能有点针对性的去找一些框啊，所以就有了选择性搜索。简单思路思路就是，把可能存在物体的区域给找出来，因为存在物...
2019-07-27 15:45:47
227
原创 目标检测学习-滑动窗口法
目标检测学习-滑动窗口法目标检测的目的滑动窗口法交并比(IoU)非极大抑制(NMS)简单思路一些问题目标检测的目的最近在研究关于目标检测的项目，所以学习了下目标检测相关的基础，也有些自己的理解，所以就想记录下，分享下。目标检测的目的简单的说就是要找到图片里有什么东西，在什么位置，比如下面经典的图，能检测到一条狗，一辆自行车和一辆汽车，然后把他们所在的区域位置给显示出来：那这个是怎么做到的...
2019-07-27 14:46:11
12418
13
原创 李航《统计学习方法》第二版-第3章 k近邻法 浅见
李航《统计学习方法》第二版-第3章 k近邻法 浅见3.0 k近邻简单介绍3.1 k近邻算法3.2 k近邻模型3.2.1 模型3.2.2 距离度量3.2.3 k值选择3.2.4 分类决策规则3.3 kd树总结3.0 k近邻简单介绍k近邻暂时讨论分类方法，可以简单理解为我要去个地方，我找周围k个最近的人问问该走哪条路(对应类别)，告诉我最多走的那条路就是我要走的路。你选k个人，选离你多远的人，选择...
2019-07-23 19:03:41
463
原创 李航《统计学习方法》第二版-第2章 感知机 浅见
李航《统计学习方法》第二版-第二章 感知机 浅见2.1 感知机模型2.2 感知机学习策略2.3 感知机学习方法总结2.1 感知机模型感知机是二分类线性模型，输入为实例的特征向量，输出为类别，-1和1。目的是求出将数据分离的超平面，基于误分类的损失函数，用梯度下降法进行最小化，求得感知机模型。感知机的定义简单就是输入空间X，输出Y={1,-1}。即:f(x)=sign(w⋅x+b)f(x)...
2019-07-22 18:18:43
329
原创 李航《统计学习方法》第二版-第1章 统计学习及监督学习概论1.6-1.8 浅见
李航《统计学习方法》第二版-第一章 统计学习及监督学习概论1.6-1.8 浅见1.6 泛化能力1.7 生成模型和判别模型1.8 监督学习应用1.6 泛化能力也就是我们所说的对未知数据的适应能力，预测能力，这个才是我们要的，而不是一味的去迎合训练集。举个例子：我们考试前做的一堆模拟题，貌似我们每道题目都弄懂了，会做了，但是真正考试的时候遇到的题目是没见过的，这个时候才是表现出真正的实力，是时候展...
2019-07-21 21:55:06
301
原创 李航《统计学习方法》第二版-第1章 统计学习及监督学习概论1.3-1.5 浅见
李航《统计学习方法》第二版-第一章 统计学习及监督学习概论1.4-1.5 浅见1.3 统计学习方法三要素模型策略算法1.4 模型评估与选择1.5 正则化和交叉验证正则化和范数交叉验证1.3 统计学习方法三要素简单的可以表示为：方法=模型+策略+算法方法=模型+策略+算法方法=模型+策略+算法模型模型就是我们要学习的条件概率分布P(Y∣X)P(Y|X)P(Y∣X)或者是决策函数Y=f(X)...
2019-07-19 18:53:36
606
原创 李航《统计学习方法》第二版-第1章 统计学习及监督学习概论1.1-1.2 浅见
李航《统计学习方法》第二版-第一章 统计学习及监督学习概论1.1-1.2 浅见目的第一章 统计学习及监督学习概论1.1 统计学习统计学习是什么，做什么的统计学习的对象统计学习的目的统计学习的方法1.2 统计学习的分类基本分类监督学习输入空间，输出空间，特征空间联合概率分布假设空间无监督学习强化学习按技巧分类贝叶斯学习核方法目的经过一段时间的深度学习，发现好多机器学习的基础不是很好，特别是统计方...
2019-07-17 22:30:35
800
原创 keras实战-入门之一维卷积
keras实战-入门之一维卷积一维卷积一维卷积最近接触到一维卷积，最开始的时候觉得应该很简单，然后网上看了几个例子，参数很奇怪，特别是模型的维度搞不明白，不知道怎么来的，看API也不太明白，可能我太笨了，所以自己琢磨了半天，才稍微弄了点明白，今天不怎么讲代码，就讲原因吧。二维卷积比较常见，基本上一个图片的样本的维度是(高，宽，通道)，而一维是(高，宽)，而对于句子来说，比如I am Jack...
2019-07-16 20:40:52
6352
5
原创 深度学习-李宏毅GAN学习之改进序列生成器
深度学习-李宏毅GAN学习之改进序列生成器序列生成器机器人聊天问题改进序列模型序列生成器很多情况下，我们需要的生成器是序列模型，比如语音识别，机器翻译，机器人聊天，今天我们要用GAN的技术来改进他们，他们都可以看成是一个条件生成器，输入一个信息，根据这个信息输出一个信息：机器人聊天问题举个机器人聊天的例子，传统做法就是训练一个编码器，解码器，输入一段文字，希望输出的跟给定的文字越接近越好...
2019-07-12 16:53:40
1323
原创 深度学习-李宏毅GAN学习之无监督条件生成器
深度学习-李宏毅GAN学习之无监督CGAN无监督条件生成做法情况一：Direct Transformation无监督条件生成之前讲的那篇CGAN都是有监督学习，那能不能无监督学习呢？当然可以啦，大多数情况我们很难弄到一个个对应匹配的数据，比如做图片风格转换，你很难弄到同一个图片的不同种风格，里面东西还是一模一样的，再比如，你很难把一个人的声音风格转换到另外一个人声音上，因为可能你说的是中文，另...
2019-07-12 08:58:45
1178
原创 深度学习-李宏毅GAN学习之CGAN
深度学习-李宏毅GAN学习之CGAN提出问题提出问题如果我们要做输入一段文字生成图片，比如：传统的方法是将文字放入一个神经网络，然后输出一张图片，希望图片跟真实的图片越接近越好：但是这么做产生的图片会模糊，甚至很奇怪，比如说，输入的文字是train火车，真实的图片可能有好多张：那为了减小跟真实图片的差距，就会产生模糊的图片，因为他要跟所有真实图片尽可能的差距小，只能取他们的平均啦，...
2019-07-11 12:02:52
1071
原创 深度学习-李宏毅GAN学习之InfoGAN，VAE-GAN，BiGAN
深度学习-李宏毅GAN学习之InfoGAN，VAE-GAN，BiGAN提出问题InfoGANVAE-GANBiGAN总结提出问题我们知道最基本的GAN就是输入一个随机的向量，输出一个图片。以手写数字为例，我们希望修改随机向量的某一维，能改变数字的特想，比如角度，粗细，数字等，但是实际上貌似没什么大的影响，下图就是个例子，貌似看不到某一维度的具体含义，如下图：我们可能直观的会认为每个维度应该...
2019-07-09 22:07:02
2262
原创 keras实战-入门之RNN(GRU)自编码器
@TOCRNN(GRU)自编码器这次用RNN的自编码器来做音频的恢复。RNN原理就不说了，可以看这篇文章这次是用了RNN里的GRU，跟LSTM很像，但是比他训练要快点。需要librosa音频处理库，例子的音频数据集，提取码：c3oq。import kerasimport numpy as npimport librosaimport librosa.displayimport o...
2019-07-08 22:40:31
4828
4
原创 李宏毅机器学习系列-循环伸进网络RNN
深度学习-李宏毅机器学习之RNN-1神经网络可能也需要记忆RNN简介LSTM总结最近做语音研究，可能要用到RNN，所以把李宏毅老师的RNN看了下，顺便做下记录吧，方便以后自己回顾和大家学习。前面有偏比较直觉的讲RNN的，有兴趣的也可以看下。神经网络可能也需要记忆首先来看个例子，加入我们有句话，需要提取出两个slot(可以看做特征吧)，一个是目的地，一个是到达时间，比如上面这句话，目的地是T...
2019-07-07 23:19:15
712
原创 keras实战-入门之VAE变分自编码器
keras实战-入门之VAE变分自编码器VAE变分自编码器VAE变分自编码器原理就不说了，可以看这边文章。代码是参考keras官方的稍微改了点，加了点注释，最后加了个可交互可视化的东西，方便调整看结果，可以看到插值的图片。from keras.layers import Lambda, Input, Densefrom keras.models import Modelfrom ker...
2019-07-06 23:37:43
2808
4
原创 深度学习-李宏毅GAN学习之VAE
深度学习-李宏毅GAN学习之VAEVAE(变分自编码器)直觉解释VAE直觉架构VAE数学解释高斯混合模型拟合VAE分布映射最大似然估计总结VAE(变分自编码器)直觉解释普通的自编码器大家已经比较熟悉了，比如输入一张图片，然后提取出一个向量，最后再复原回图片。就如下图，我们有两张图片，都编码成一个code，然后可以复原，但是如果我们取了中间的code，应该是什么呢，虽然我们会认为应该是中间的插...
2019-07-05 22:10:48
5679
4
原创 keras实战-入门之去噪卷积自编码器
keras实战-入门之去噪卷积自编码器去噪卷积自编码器去噪卷积自编码器只是在图片预处理时加了噪声，其他没什么改变，若要提升效果，可以修改CNN的一些参数试试。可以看到自编码器还有去噪的功能，应该归功于特征提取，转化为特征向量后，已经无噪声，然后复原到原来的数字，我想应该是这个原理吧。import numpy as npnp.random.seed(11)from keras.datase...
2019-07-03 14:35:15
3927
4
原创 keras实战-入门之卷积自编码器
keras实战-入门之卷积自编码器卷积自编码器卷积自编码器对于图像效果比全连接的好，毕竟提取了像素之间的空间信息。import numpy as npnp.random.seed(11)from keras.datasets import mnistimport matplotlib.pyplot as pltUsing TensorFlow backend.(x_train_...
2019-07-03 13:05:12
6192
7
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