- 博客(12)
- 资源 (1)
- 收藏
- 关注
RSS订阅翻译 深度学习关键一点 特征的自动提取
深度学习与传统模式识别方法的最大不同在于它是从大数据中自动学习特征，而非采用手工设计的特征。好的特征可以极大提高模式识别系统的性能。在过去几十年模式识别的各种应用中，手工设计的特征处于同统治地位。它主要依靠设计者的先验知识，很难利用大数据的优势。由于依赖手工调参数，特征的设计中只允许出现少量的参数。深度学习可以从大数据中自动学习特征的表示，其中可以包含成千上万的参数。手工设计出有效的特征是一个相当
2017-09-30 23:18:40
8431
转载 卷积神经网络及其在图像处理中的应用
一，前言卷积神经网络（Constitutional Neural Networks, CNN）是在多层神经网络的基础上发展起来的针对图像分类和识别而特别设计的一种深度学习方法。先回顾一下多层神经网络: 多层神经网络包括一个输入层和一个输出层，中间有多个隐藏层。每一层有若干个神经元，相邻的两层之间的后一层的每一个神经元都分别与前一层的每一个神经元连接。在一般的识别问题中，输入层代表
2017-09-30 17:06:55
12402
1
转载 matconvnet数据集的构建
手掌静脉识别时的感兴趣区域的提取（ROI）。主要是分为三个步骤，虽然实际实现的时候不是很难，但是需要很多的的前期工作。第一：设计算法分辨左右手，这样的目的可以减少在图像库中匹配和识别的时间，我们可以制作两个数据集，分左右手，识别出左右手之后直接在所在的数据集中进行识别匹配。第二：设计网络识别手掌图像的ROI区域第三：做实验验证算法的可行性与精确度接下来我们来看一下如
2017-09-26 16:04:14
1098
2
转载 微软官方caffe之 matlab接口配置
前言按照微软的官方地址配置可能会出现一个问题caffe_.mexw64找不到引用模块问题，或者在matlab里面压根找不到caffe_这个函数，下面会提到这两个问题。还是按照步骤来吧【PS1】有GPU同样按照下述步骤，进行即可【PS2】文章在matlab2013a、matlab2014a、matlab2015b中配置成功，但是在高版本或者更低版本情况下可能会出现问题
2017-09-26 15:52:08
377
原创 高斯金字塔的作用
整个高斯金字塔，或者说是差分高斯金字塔是我们确定SIFT特征的基础，让我们首先想想高斯金字塔到底干了一件什么事情，他到底模仿的是什么？答案很容易确定，高斯金字塔模仿的是图像的不同的尺度，尺度应该怎样理解？对于一副图像，你近距离观察图像，与你在一米之外观察，看到的图像效果是不同的，前者比较清晰，后者比较模糊，前者比较大，后者比较小，通过前者能看到图像的一些细节信息，通过后者能看到图像的一些轮廓的信息
2017-09-25 09:20:19
7710
3
转载 图像识别中的深度学习
深度学习发展历史深度学习是近十年来人工智能领域取得的重要突破。它在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域的应用取得了巨大成功。现有的深度学习模型属于神经网络。神经网络的起源可追溯到20世纪40年代，曾经在八九十年代流行。神经网络试图通过模拟大脑认知的机理解决各种机器学习问题。1986年，鲁梅尔哈特(Rumelhart)、欣顿(Hinton)和威廉姆斯(Will
2017-09-22 16:02:18
422
翻译 BP神经网络在数据预测上的应用
用BP神经网络做数据预测有两种形式：1.根据自身已有的数据预测未来的数据。 比如：根据2000-2012年已知GDP的值预测2013年GDP的值。求解：用2000，2001，2002的值作为输入，2003作为输出；然后以此类推，2001，2002，2003作为输入，2004作为输出； ......2009，2010，2011作为输入，2012作为输出。
2017-09-21 21:44:38
11492
6
原创 生物特征的种类
1、人的生物特征的种类有：人脸、脸部热量图、指纹、手部血管分布、虹膜、视网膜、签字和声音；2、Bill Gates：以人类生物特征进行身份验证的生物识别技术，在今后数年内将成为IT产业最为重要的技术革命；3、生物特征的评估：普遍性、唯一性、恒久性、易采集性、系统性能、防欺骗能力和用户接受程度；4、指纹的特征是人皆不同、终身不变。并且指纹很精确，指纹的这一特征可以用来作为代表其人的“身份
2017-09-06 14:33:34
3063
转载 朴素贝叶斯算法（Naive Bayes）
在所有的机器学习分类算法中，朴素贝叶斯和其他绝大多数的分类算法都不同。对于大多数的分类算法，比如决策树,KNN,逻辑回归，支持向量机等，他们都是判别方法，也就是直接学习出特征输出Y和特征X之间的关系，要么是决策函数Y=f(X),要么是条件分布P(Y|X)。但是朴素贝叶斯却是生成方法，也就是直接找出特征输出Y和特征X的联合分布P(X,Y),然后用P(Y|X)=P(X,Y)/P(X)得出。
2017-09-05 11:49:02
398
翻译 迁移学习：数据不足时如何深度学习
使用深度学习技术解决问题的过程中，最常见的障碍在于训练模型过程中所需的海量数据。需要如此多的数据，原因在于机器在学习的过程中会在模型中遇到大量参数。在面对某一领域的具体问题时，通常可能无法得到构建模型所需规模的数据。然而在一个模型训练任务中针对某种类型数据获得的关系也可以轻松地应用于同一领域的不同问题，这就是所谓的迁移学习。我认为实现人工智能的难度无异于建造火箭。需要有一个强大的引擎，还有
2017-09-05 11:43:39
489
翻译 区分深度学习与浅层学习
一、深度学习（deep learning)是美国学者Ference Marton和Roger Saljo在1976年提出的，与浅层学习(surface learning)想对应。二、布鲁姆将教育目标分为六类，从低级到高级分别为：识记（knowledge)、理解(comprehension)、应用(application)、分析(analysis)、综合(synthesis)、评价(ev
2017-09-04 09:41:27
19163
1
ORL_face 人脸识别图像集
2018-10-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人