CV算法
文章平均质量分 92
沧海二阳
如需技术交流,加qq:2536298120或微信13180977920
展开
-
MTCNN训练全程
参考链接:Mxnet 训练代码Tensorflow 训练代码数据集数据集打包方法:本文设计的网络包含三个不同的网络结构,Second Network的训练数据需要用到First Network训练好的模型生成,Third Network的训练数据由Second Network训练好的模型生成。 所以在模型训练阶段,需要面向多个任务,在网络训练的不同阶段,运行相应的脚本文件按,打包不同...原创 2020-11-09 14:30:25 · 1042 阅读 · 0 评论 -
算法攻略(树 、二叉树、二叉搜索树)
优先队列/双端队列1.知识点2 代码实战2.1 Validate Binary Search Tree2.2 Kth Largest Element in a Stream2.3 Sliding Window Maximum1.知识点树:Linked List 就是特殊化的 TreeTree 就是特殊化的 Graph特点:二叉搜索树(英语:Binary Search T...原创 2020-11-09 14:28:50 · 106 阅读 · 0 评论 -
[Leetcode]Python3(映射和集合)
映射和集合2.代码实战2.1 Valid Anagram2.2 Two Sum拉链法解决哈希碰撞:2.代码实战2.1 Valid Anagram242. Valid Anagram用快排(sorted)class Solution: def isAnagram(self, s: str, t: str) -> bool: return sor...原创 2019-07-14 10:57:02 · 146 阅读 · 0 评论 -
[Leetcode]python3算法攻略(优先队列/双端队列)
优先队列/双端队列1.知识点2 代码实战2.1 代码demo理解Priority-Queue2.2 Kth Largest Element in a Stream2.3 Sliding Window Maximum1.知识点优先队列:特点:和队列基本操作相同:top 访问队头元素empty 队列是否为空size 返回队列内元素个数push 插入元素到队尾 (并排序)e...原创 2019-07-13 22:18:34 · 971 阅读 · 0 评论 -
[Leetcode]python3算法攻略(堆栈和队列)
常见数据结构的时间复杂度:1.原理栈和队列示意图:2.代码实战2.1 Valid Parentheses20. Valid Parentheses讲解:代码:class Solution(object): def isValid(self, s): """ :type s: str :rtype: bool ...原创 2019-07-13 12:35:03 · 272 阅读 · 0 评论 -
[Leetcode]Python3(数组与链表)
数组与链表1.数组:2.链表3.Leetcode 代码实战3.1 Reverse Linked List](反转链表)3.2 Swap Nodes in Pairs(两两反转)3.3 linked-list-cycle(探测链表环)1.数组:数组的时间复杂度:2.链表插入:删除:链表插入与删除速度比数组快,但是查询比数组慢。数据结构没有最好,只有最适合。双链表:链表...原创 2019-07-11 21:58:34 · 237 阅读 · 0 评论 -
哈希表
1.哈希表原理讲解2 哈希表leetcode求和原创 2019-07-10 17:12:27 · 84 阅读 · 0 评论 -
MXNet之SSD目标检测下篇
SSD项目1.数据准备本篇不在于复现SSD论文算法结果,主要介绍算法细节。1.数据准备原创 2019-07-06 14:02:10 · 403 阅读 · 0 评论 -
MXNet之SSD目标检测上篇
SSD项目1.数据集2.SSD算法简介2.1 anchor2.1.1 特征图2×2,size=0.3,ratio=1的anchor2.1.2 特征图2×2,size=0.3,ratio=(1,2,0.5)的anchor2.1.3 特征图2×2,size=(0.3,0.4),ratio=(1,2,0.5)的anchor2.1.4 特征图5×5,size=(0.1,0.15),ratio=(1,2,0...原创 2019-06-30 21:31:13 · 571 阅读 · 0 评论 -
Anaconda虚拟环境mxnet下安装gluoncv
此方法可以解决,在adaconda虚拟环境下用pip安装无法导入包的系列问题。1.anaconda下查看虚拟环境(base) yuyang@oceanshadow:~$ conda info --envs# conda environments:#base * /home/yuyang/anaconda3caffe ...原创 2019-06-30 14:25:13 · 4012 阅读 · 1 评论 -
MXNet之Kaggle猫狗分类实战
dogs VS cats1.数据准备2.训练参数及配置2.1 基础训练2.2 对比实验(无数据增强)2.3 对比实验(不用预训练模型)2.4 对比实验(改变学习率)此项目是kaggle大赛的经典项目.通过对比实验验证数据增强对降低模型过拟合风险的作用.对预训练模型进行微调达到加快模型收敛的效果.对比不同初始学习率,固定部分参数层对模型训练过程的影响1.数据准备下载cats vs ...原创 2019-06-28 21:29:03 · 1719 阅读 · 0 评论 -
MXNet之模型训练配置
模型训练配置1.问题定义2参数及训练配置2.1 参数初始化2.2优化函数设置2.3 模型保存2.4 训练日志保存2.5 选择并定义评价指标2.6 多GPU训练3. 迁移学习4.断点训练5. minist项目演练一个完整的训练代码主要由3部分组成,数据读取,网络结构搭建和模型训练配置.训练模型之前要定义问题,这个过程想当于为今后的算法设计,优化确定一个总体方向.定义问题需要结合项目需求,数据特...原创 2019-06-27 16:44:22 · 1714 阅读 · 0 评论 -
MXNet之网络结构搭建
网络结构搭建1.卷积层(Convolution)2.BN层(Batch Normalization)3.激活层(Activation)4.池化层(Pooling)5.全连接层(FullyConnected)6. 损失函数层7.通道合并层(concat)8.逐点相加层(element-wise-sum)1.卷积层(Convolution)import mxnet as mxinput_dat...原创 2019-06-26 19:33:57 · 2095 阅读 · 0 评论 -
MXNet之数据读取与增强
数据读取与增强1.直接读取原图像数据1.1 生成.lst文件1.2 基本数据读取方式read_lst.py2. 基于RecordIO文件读取数据1.生成RecordIO文件2.2 RecordIO数据读取方式read_rec.py3.数据增强3.1大小重置(resize)3.2 裁剪(crop)3.3 镜像(mirror)3.4 亮度 (brightness)3.5 对比度(contrast)3....原创 2019-06-26 10:07:52 · 1263 阅读 · 0 评论 -
MXNet实战入门Minist分类
MXNet之Minist1.训练过程2.测试过程1.训练过程训练代码:import mxnet as mximport argparseimport numpy as npimport gzipimport structimport loggingdef get_network(num_classes): """ LeNet """ data...原创 2019-06-25 17:19:53 · 331 阅读 · 0 评论 -
MXNet基础篇(计算机视觉算法实践--魏凯峰)
MXNet1.NDArray2. Symbol在MXNet中至少了解三架马车:NDArray,Symbol和Module.假如将训练算法的过程比作建造一个房子,NDArray相当于钢筋水泥零部件,Symbol想当于房子的每一层,Module相当于房子整体框架.1.NDArrayNDArray是MXNet框架中,数据流的基础结构.采用命令式编程(imperative programming)....原创 2019-06-23 22:17:52 · 745 阅读 · 0 评论 -
LeNet-5详解(caffe实战minist)
LeNet-51.前言2. 卷积神经网络(Convolutional Neural Network, CNN)2.1卷积层2.2 池化层3. Lenet-53.1 INPUT层-输入层3.2 C1层-卷积层3.3 S2层-池化层(下采样层)3.4 C3层-卷积层3.5 S4层-池化层(下采样层)3.6 C5层-卷积层3.7 F6层-全连接层3.8 Output层-全连接层4. 总结1.前言Le...原创 2019-06-19 09:54:39 · 2350 阅读 · 0 评论 -
caffe配置:Makefile.config与Makefile
## Refer to http://caffe.berkeleyvision.org/installation.html# Contributions simplifying and improving our build system are welcome!# cuDNN acceleration switch (uncomment to build with cuDNN).USE_...原创 2019-06-18 21:20:25 · 288 阅读 · 0 评论 -
商品物体检测项目
物体检测1. 项目概述1.1 项目架构设计1.2 训练与测试整体结构设计2. 接口设计2.1数据接口设计2.1.1 商品格式转换实现2.1.2 读取数据接口设计2.1.3 商品数据读取子类2.1.4 数据读取工厂逻辑2.1.5 代码运行与数据模块2.2 模型接口2.3 预处理接口3.训练流程3.1 训练流程与设备部署3.2 训练过程3.3 训练结果显示4. 测试流程1. 项目概述1.1 项目架...原创 2019-06-06 22:05:31 · 1459 阅读 · 4 评论 -
Mxnet环境安装
在一个虚拟环境安装过cuda和cudnn之后,在另一个虚拟环境中安装cuda和cudnn方法:(mxnet) yuyang@oceanshadow$ conda install cudatoolkit=9.0Collecting package metadata: doneSolving environment: done## Package Plan ## environmen...原创 2019-06-04 11:12:05 · 1777 阅读 · 0 评论 -
数据集制作项目纪要
商品数据集标记要标记哪些物体类别?只是知道怎么去标记,知道这个过程。1、确定物体2、查看图片的物体,标记VOC_2007的数据集格式转换1、存储在多个TFREcord文件当中的逻辑tf.python_io.TFRecordWriter(tf_filename)2、读取图片以及XML数据(利用ET去读取)tf.gfile.FastGFile(filename, ‘rb’...原创 2019-06-04 11:09:01 · 167 阅读 · 0 评论 -
目标检测算法(R-CNN,SPPNet,Fast-R-CNN,Faster-R-CNN,YOLO,SSD)
商品分类目标检测1.目标检测概述1.1 项目演示介绍1.2 项目安排1.3 目标检测算法介绍1.3.1 目标检测任务描述1.目标检测概述1.1 项目演示介绍项目架构数据采集层:数据标注,数据存储格式.深度模型层:数据预处理,模型多GPU训练,得到模型.Tensorflow serving进行部署+web后台.用户层:网页,小程序获取识别结果.1.2 项目安排1.3...原创 2019-05-31 22:01:03 · 726 阅读 · 0 评论 -
卷积神经网络实战之手写CNN
卷积神经网络学习目标1.卷积神经网络的组成1.1 卷积层1.2 卷积运算过程1.2 padding-零填充1.3 Valid and Same卷积1.4 奇数维度的过滤器1.5 stride-步长1.6 多通道卷积1.6.1 多卷积核1.6.2 卷积总结1.7 池化层1.8 全连接层2.经典分类网络解构2.1 LeNet-5解析2.2 AlexNet2.3 GoogleNet3.案例-CNN手写...原创 2019-05-30 11:38:59 · 5751 阅读 · 0 评论 -
深度学习之正则化
深度学习之正则化1. 方差与偏差1.1 数据集划分1.2 偏差与方差的意义1.3 解决办法2. 正则化2.1 逻辑回归的L1与L2正则化2.2 正则化项的理解2.3 神经网络中的正则化2.4 正则化为什么能够防止过拟合3.Droupout正则化3.1Inverted droupout3.2 droupout为什么有效总结4. 其它正则化方法4.1 早停止法(Early Stopping)4.2 ...原创 2019-05-29 22:20:32 · 1418 阅读 · 0 评论 -
深度学习之梯度下降算法(SGD,RMSProp,Adam)
梯度下降算法改进1. 优化遇到的问题1.1 梯度消失1.2 局部最优1.3 参数初始化策略(复习)2. 批梯度下降算法(Batch Gradient Descent)3. Mini-Batch Gradient Descent4. 批梯度下降与Mini-Batch梯度下降的区别5. 梯度下降优化影响6.大小选择7. 指数加权平均8. 动量梯度下降法9. RMSProp 算法10. Adam算法11...原创 2019-05-28 22:48:21 · 6568 阅读 · 0 评论 -
神经网络实战之Softmax回归
深度学习进阶学习目标:知道softmax回归的原理应用softmax_cross_entropy_with_logits实现softamx以及交叉熵损失计算应用matmul实现多隐层神经网络的计算应用TensorFlow完成Mnist手写数字势识别了解深度学习遇到的一些问题知道批梯度下降与MiniBatch梯度下降的区别知道指数加权平均的意义知道动量梯度、RMSProp、Adam...原创 2019-05-27 22:59:33 · 1077 阅读 · 0 评论 -
深度学习之Tensorflow
深度学习之Tensorflow1.深度学习介绍1.1 深度学习与机器学习区别2. Tensorflow 框架2.1 Tensorflow框架介绍2.1 Tensorflow数据流图1.深度学习介绍学习目标:知道深度学习与机器学习的区别了解深度学习的应用以及框架1.1 深度学习与机器学习区别(1) 特征提取方面机器学习的特征工程步骤是要靠手动完成的,而且需要大量领域专业知识深...原创 2019-05-25 20:53:05 · 486 阅读 · 0 评论 -
机器学习实战之回归与聚类算法
回归与聚类算法1. 线性回归1.1 线性回归的原理1.1.1 线性回归应用场景1.1.2 什么是线性回归1.1.2.1定义与公式2.2 线性回归的损失和优化原理(理解记忆)2.2.1 损失函数2.2.2 优化算法2.3 线性回归API2.4 波士顿房价预测2.4.1 分析2.4.2 回归性能评估2.4.3 代码1. 线性回归学习目标:  ...原创 2019-05-24 15:45:16 · 1547 阅读 · 0 评论 -
机器学习实战之分类算法(K-近邻/朴素贝叶斯/决策树/随机森林)
机器学习分类算法1. 机器学习算法简介1.1 按照学习方式分类1.2 区别1.3 关于监督学习中的分类与回归区别1.4 机器学习开发流程2. 数据集介绍与划分2.1 sklearn数据集介绍2.1.1 分类和回归数据集2.1.2 API2.1.3 返回类型2.1.4 代码分析2.2 转换器和估计器2.2.1转换器2.2.2 估计器(sklearn机器学习算法的实现)2.2.3 估计器工作流程3. ...原创 2019-05-23 22:40:47 · 8467 阅读 · 0 评论 -
机器学习实战之特征工程
机器学习介绍与特征工程1.机器学习概述1.1 什么是机器学习1.2 为什么要机器学习1.3 机器学习应用场景1.4 学习框架和资料的介绍2.特征工程2.1 特征工程介绍2.1.1 数据集的构成2.1.2 为什么需要特征工程(Feature Engineering)2.1.3 特征工程所需工具2.2 特征抽取2.2.1 特征提取2.2.2 字典特征提取2.2.3文本特征提取2.2.4 Tf-idf文...原创 2019-05-22 13:53:23 · 1390 阅读 · 0 评论 -
AI-CV-2算法之旅
AI-CV-II arithmetic Tips 1.number-of-islands1.1实现功能:1.2题目来源1.3代码实现1.4结果演示1.5 基本思想2.number-of-islands-ii2.1实现功能:2.2题目来源2.3代码实现2.4结果演示2.5 基本思想*此文章中算法来自leetcode、lintcode、牛客等…*其中包括了算法工程师工作中遇到的问题*大型互联网...原创 2019-05-15 13:47:14 · 203 阅读 · 0 评论