- 博客(4)
- 资源 (4)
- 收藏
- 关注
原创 Datawhale 零基础⼊入⻔门CV-Task4 模型训练和验证
测试集的数据来选择模型和评估检测的,但是这是一个不公平的过程,因为我们用来进行模型选择和评估的数据是一组相同的数据,拟合的情况肯定很好,但是对于那些没有出现在测试集中的数据没有泛化作用。所以这里我们进一步改进,我们将数据分为:训练集、验证集和测试机。验证集用来选择模型,测试集用来评估假设。显然越高次数的多项式模型越能够适应我们的训练数据集,但是适应训练数据集并不代表着能推广至一般情况。我们应该选择一个更能适应一般情况的模型。如果在模型选择过程中不断重复使用相同的测试数据,这样的话测试数据就变
2020-05-30 20:05:34 124
原创 Datawhale 零基础⼊入⻔门CV-Task3 字符识别模型
论文地址:1.LeNet论文2.AlexNet论文3.VGGNet论文4.ResNet论文这是一篇基础理论的博客,基本手法是抄、删、改、查,毕竟介绍这几个基础网络的博文也挺多的,就算是自己的一个笔记吧,以后忘了多看看。主要是想介绍下常用的几种卷积神经网络。卷积神经网络最初为解决图像识别问题而提出,目前广泛应用于图像,视频,音频和文本数据,可以当做深度学习的代名词。目前图像分类中的ResNet, 目标检测领域占统治地位的Faster R-CNN,分割中最牛的Mask-RCNN, UN...
2020-05-26 21:18:43 124
原创 Datawhale 零基础⼊入⻔门CV-Task2 数据读取与扩增
数据扩增方法在上一小节中给大家初步介绍了Pillow和OpenCV的使用,现在回到赛题街道字符识别任务中。在赛题中我们需要对的图像进行字符识别,因此需要我们完成的数据的读取操作,同时也需要完成数据扩增(Data Augmentation)操作。数据扩增介绍在深度学习中数据扩增方法非常重要,数据扩增可以增加训练集的样本,同时也可以有效缓解模型过拟合的情况,也可以给模型带来的更强的泛化能力。数据扩增为什么有用?在深度学习模型的训练过程中,数据扩增是必不可少的环节。现有深度学习的参数非常多,一般的
2020-05-23 20:16:31 126
原创 Datawhale 零基础⼊入⻔门CV-Task1 赛题理理解
赛题:零基础⼊入⻔门CV赛事- 街景字符编码识别https://tianchi.aliyun.com/competition/entrance/531795/information首先介绍一下SVHN(Street View House Number)Dateset 来源于谷歌街景门牌号码,这里提供一下地址,本代码只需要下载格式2中的train和test.mat即可,格式2中所有数字均已调整为固定的32 x 32像素分辨率,原始字符边框在适当的尺寸上扩展为方形窗口,因此将它们的大小调整为32 x.
2020-05-20 20:32:53 138
神经网络与深度学习 邱锡鹏 复旦大学
2019-04-28
深度学习调参总结(英文版)
2019-04-26
matlab机器学习官方ppt
2019-04-26
matlab2017b神经网络使用手册(英文).pdf
2017-11-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人