- 博客(5)
- 资源 (3)
- 收藏
- 关注
原创 强化学习:Reinforcement Learning
当前的机器学习算法可以分为三种:有监督学习、无监督学习和强化学习有监督学习是从有标签的训练集中学习,每个样本的特征可视为对状态的描述,标签可视为执行正确的action,但是有监督学习不能学习交互的情景,只能从experience中学习,而experience的action并不一定是最优的。无监督学习是从无标签的训练集中发现隐藏的结构强化学习是在获得样本之后更新模型,利用当前的模型指导下...
2018-10-16 16:23:04 262
原创 myNote
faster rcnn在特征提取之前,首先对输入图像进行缩放,输出224×224×3的图像,然后才特征提取,原图的尺寸为1280×720,缩放之后对检测效果影响很大,训练的图像尺寸为600×450,与PASCAL VOC数据集保持了一致locate 文件名:可以定位文件的位置 ...
2018-10-15 18:52:41 550
原创 Generative Adversarial Nets论文笔记
GAN网络结构两个模型:两个模型都是多层感知机,第一个先定义输入噪声向量,映射到数据空间,获取生成器对样本数据的分布,并生成虚假样本;第二个输出一个标量,表示样本来自真实数据而不是生成数据的概率蓝色虚线是判别器D,绿色实线是生成器G生成的虚假数据的分布P(G),黑色虚线是真实数据的分布Px,下方的两个横线表示x=G(z)这个将噪声z映射到x的趋势。从a到d,随着迭代的进行,G的分布...
2018-10-14 11:08:41 700
原创 行人检测:Is Faster R-CNN Doing Well for Pedestrian Detection?论文笔记
背景Faster R-CNN对于object detection效果很好,但是对于detecting pedestrian效果一般专门为pedestrian detection设计的RPN作为一个独立的pedestrian detector表现很好,但是在把这些生成的proposals送入Fast R-CNN分类器时表现很差传统的pedestrian detectors大多是hand-...
2018-10-04 10:35:48 1653
原创 图像特征提取方法
HOG(Histogram of Oriented Gradient,方向梯度直方图)简介HOG通过统计计算图像局部区域的梯度方向直方图来构成特征,然后结合SVM分类器进行图像识别,行人检测。主要思想梯度的方向是标量场增长最快的方向,梯度的大小是这个最大的变化率。对图像来说,图像的梯度即像素值变化最快的方向,并且图像的边缘与梯度保持垂直。图像局部区域的特征能够被梯度或边缘的方向密...
2018-10-03 11:23:22 11417
32位opencv3.2.0,编译器版本支持vc12及vc14,对应Visual Studio13及15
2018-06-25
CNN、RCNN、Fast-RCNN、Faster-RCNN对比分析
2017-11-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人