深度学习
happyGirl122
欢迎关注:happyGirl的异想世界。更多精彩等着你。每一个不曾起舞的日子,都是对生命的辜负。
展开
-
你真的了解深度学习中的上采样吗?
本文同步发表在公众号(happyGirl的异想世界)知乎(链接https://www.zhihu.com/question/328891283/answer/1604072340)导读不论是语义分割、目标检测还是三维重建等模型,都需要将提取到的高层特征进行放大,此时就需要对feature map进行上采样(也有一些文章称之为升采样,是一个意思,本文均用上采样。) 上采样一些常见的方法有:近邻插值(nearest interpolation)、双线性插值(bilinear interpolati...原创 2020-11-30 23:16:49 · 3460 阅读 · 2 评论 -
参数和超参数
欢迎关注博主的公众号:happyGirl的异想世界。有更多干货还有技术讨论群哦~举例说明一些机器学习算法中的普通参数和超参数:机器学习算法 普通参数举例 超参数举例 决策树 在每个节点上选择的输入变量、每个节点上选择的阈值 每个叶节点所应包括的最少数据量,训练后的剪枝(pruning)策略 随机森林 同上 决策树的数量,输入变量的数量 支持向量机 支持向量(support vector)的选择,每个支持向量的拉格朗日乘数 核(kernel)原创 2020-11-09 16:35:34 · 1491 阅读 · 0 评论 -
更改pip源至国内镜像
临时使用:可以在使用pip的时候加参数-ihttps://pypi.tuna.tsinghua.edu.cn/simple 例如pip install -ihttps://pypi.tuna.tsinghua.edu.cn/simplexlrd一劳永逸,永久修改pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple不同的源:清华源:https://pypi.tuna.tsinghua...原创 2020-11-03 11:19:02 · 195 阅读 · 0 评论 -
NIQE计算
import numpy as npimport scipy.miscimport scipy.iofrom os.path import dirnamefrom os.path import joinimport scipyfrom PIL import Imageimport numpy as npimport scipy.ndimageimport numpy as npimport scipy.specialimport mathgamma_range = np.aran.原创 2020-10-19 20:00:39 · 3805 阅读 · 9 评论 -
python2代码转化为python3代码
进入到你想python2转python3代码的.py文件的目录里执行2to3 -f all -f idioms xxx.py -w其中xxx.py就是你想转换的python文件,执行这句代码后,xxx.py就变成了python3版本的代码了,同时会生成一个 xxx.py.bak这个文件时原来python2代码的备份,可以通过ls -l 命令查看它已经在当前目录下了。...原创 2019-12-30 17:25:20 · 201 阅读 · 0 评论 -
图形学理论知识 BRDF 双向反射分布函数(Bidirectional Reflectance Distribution Function)
源地址 https://www.cnblogs.com/mengdd/archive/2013/08/05/3237991.html图形学理论知识 BRDF 双向反射分布函数Bidirectional Reflectance Distribution Function BRDF理论 BRDF表示的是双向反射分布函数(Bidirectional Reflectance Distribution F...转载 2018-04-07 22:56:45 · 3276 阅读 · 0 评论 -
卷积神经网络概念与原理
源地址 https://blog.csdn.net/yunpiao123456/article/details/52437794一、卷积神经网络的基本概念 受Hubel和Wiesel对猫视觉皮层电生理研究启发,有人提出卷积神经网络(CNN),Yann Lecun 最早将CNN用于手写数字识别并一直保持了其在该问题的霸主地位。近年来卷积神经网络在多个方向持续发力,在语音识别、人脸识别、...转载 2018-04-07 22:57:50 · 141 阅读 · 0 评论 -
LearningNotes 变分自编码(VariationalAutoEncoder VAE)
源地址 https://blog.csdn.net/AMDS123/article/details/70432207近年,随着有监督学习的低枝果实被采摘的所剩无几,无监督学习成为了研究热点。VAE(Variational Auto-Encoder,变分自编码器)[1,2] 和 GAN(Generative Adversarial Networks) 等模型,受到越来越多的关注。笔者最近也在学习 V...转载 2018-04-03 13:54:58 · 249 阅读 · 0 评论 -
三大深度学习生成模型:VAE、GAN及其变种
源地址 http://geek.csdn.net/news/detail/230599编者按:本书节选自图书《深度学习轻松学》第十章部分内容,书中以轻松直白的语言,生动详细地介绍了深层模型相关的基础知识,并深入剖析了算法的原理与本质。同时还配有大量案例与源码,帮助读者切实体会深度学习的核心思想和精妙之处。本章将为读者介绍基于深度学习的生成模型。前面几章主要介绍了机器学习中的判别式模型,这种模型的形...转载 2018-04-03 13:56:47 · 1858 阅读 · 0 评论 -
分类&回归算法-随机森林
源地址 https://blog.csdn.net/haimengao/article/details/49615955随机森林顾名思义,是用随机的方式建立一个森林,森林里面有很多的决策树组成,随机森林的每一棵决策树之间是没有关联的。随机森林可以用于分类和回归。 分类: 在得到森林之后,当有一个新的输入样本进入的时候,就让森林中的每一棵决策树分别进行一下判断,看看这个样本应该属于哪一类,然后看看...转载 2018-04-03 14:02:55 · 1438 阅读 · 0 评论 -
3D ShapeNet RBM DRM
源地址 https://blog.csdn.net/cv_family_z/article/details/49797409主页:http://vision.princeton.edu/projects/2014/3DShapeNets/提要:使用CAD数据作为训练数据,使用卷积DBN网络构建了一个3D ShapeNets,对Kinect传感器获取的2.5D深度图进行目标识别和复原全3D形状。3...转载 2018-04-03 14:06:19 · 3513 阅读 · 0 评论 -
Precision/Recall和ROC曲线
源地址 https://blog.csdn.net/adminabcd/article/details/46475361【Precision/Recall的基本概念】转载自http://www.zhizhihu.com/html/y2010/2137.html。查准率和查全率是信息检索效率评价的两个定量指标,不仅可以用来评价每次检索的准确性和全面性,也是在信息检索系统评价中衡量系统检索性能的重要方...转载 2018-04-03 14:13:09 · 895 阅读 · 0 评论 -
BOW 算法,被CNN 打爆之前的王者
源地址 https://zhuanlan.zhihu.com/p/25999669 简而言之就是2012 年Alex 使用CNN 突然将图片识别的正确率降低了一倍!之后CNN 就席卷了Computer Vision 界,对此的研究如同雨后春笋般冒了出来(computer vision 水论文很容易 改个参数就行)。网上讲解CNN的教程有很多例如 Deep MNIST for Experts, 创业...转载 2018-04-03 14:14:52 · 3084 阅读 · 1 评论 -
限制玻尔兹曼机(Restricted Boltzmann Machine)学习笔记(一)
源链接 http://blog.csdn.net/roger__wong/article/details/43374343一、限制玻尔兹曼机的感性认识要回答这个问题大概还要从神经网络说起。(1)人工神经网络(artificial neural network)一言以蔽之,人工神经网络用于学习一个输入到输出的映射,通常由三层组成,输入层,隐层和输出层。各层之间的每个连接都有一个权值,人工神经网络的...转载 2018-04-03 14:16:11 · 331 阅读 · 0 评论 -
CNN(卷积神经网络)、RNN(循环神经网络)、DNN(深度神经网络)的内部网络结构有什么区别?
源链接 https://www.zhihu.com/question/34681168转载 2018-04-03 14:19:28 · 353 阅读 · 0 评论 -
深度学习算法实践16---限制性波尔兹曼机(RBM)原理1
源地址 https://blog.csdn.net/yt7589/article/details/52487505是从https://blog.csdn.net/app_12062011/article/details/54313082看到的我们目前的讨论的神经网络,虽然学习算法不同,但基本上架构还是相同的,就是都是分层网络,即神经元按层进行组织,层内神经元无连接,层间神经元间有连接。我们在这篇博...转载 2018-04-03 14:21:56 · 400 阅读 · 0 评论 -
Convolutional Restricted Boltzmann Machines 卷积限制玻尔兹曼机 论文笔记
源地址 http://www.cnblogs.com/lijingcong/p/4113143.html参考论文:1、Stacks of Convolutional Restricted Boltzmann Machines for Shift-Invariant Feature Learning 2、Convolutional Deep Belief Net...转载 2018-04-03 14:23:12 · 1499 阅读 · 0 评论 -
如何评价深度学习框架Keras?
源地址 https://www.zhihu.com/question/35396126Tensorflow, theano, Keras, lasagne, caffe我都用过。由于我做的实验是很crazy的RNN结构。所以theano和tensorflow用的比较多。但说一下Keras。 四个字,相当不错。 易使用:对于想把它作为黑箱子使用的人,keras超级易上手。 扩展性:keras的设计...转载 2018-04-04 09:57:21 · 267 阅读 · 0 评论 -
【《Real-Time Rendering 3rd》 提炼总结】(九) 第十章 · 游戏开发中基于图像的渲染技术总结
源地址 https://blog.csdn.net/poem_qianmo/article/details/78309500本文由@浅墨_毛星云 出品,转载请注明出处。 文章链接: http://blog.csdn.net/poem_qianmo/article/details/78309500 这是一篇近万字的总结式文章,关于基于图像的渲染(Image-Based Rendering,简...转载 2018-04-04 10:03:31 · 348 阅读 · 0 评论 -
OpenCV实现SfM(一):相机模型
源地址 https://blog.csdn.net/aichipmunk/article/details/48132109版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/AIchipmunk/article/details/48132109目录(?)[+]注意:本文中的代码必须使用OpenCV3.0或以上版本进行编译,因为很多函数是3.0以后才加...转载 2018-06-06 10:00:45 · 711 阅读 · 0 评论 -
PCL室内三维重建
源链接 https://blog.csdn.net/jinshengtao/article/details/48917263版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/jinshengtao/article/details/48917263手头有三个prime sensor摄像头,分别固定在不同角度,打算根据RGBD信息,将三个摄像头的点云数...转载 2018-06-06 10:00:35 · 920 阅读 · 2 评论 -
从照片的三维重建(3D Reconstruction)——MVS系列(1)
源链接 https://blog.csdn.net/qq_28053189/article/details/74898110MVS——multi view system从多视图的密集重建(1)SFM的重建成果是稀疏三维点云,为了进入更加深刻的领域,获得更好的结果,我们进入到MVS(1)如何理解密集点云的生成原理 MVS是生成密集点云的方法,事实上,为什么我们在SFM中不能得到密集点云?因为,S...转载 2018-04-04 10:08:34 · 3680 阅读 · 2 评论 -
逻辑回归
源地址 https://blog.csdn.net/u012762419/article/details/52963241版权声明: https://blog.csdn.net/u012762419/article/details/52963241目录(?)[+]"纸上得来终觉浅,绝知此事要躬行"。最近在工作中用到逻辑回归(LR)做分类,使用的是sklearn中现成的算法包。在这个过程中遇到一些问...转载 2018-06-05 21:50:15 · 172 阅读 · 0 评论 -
使用自扩增卷积神经网络从单张照片建模表面外观 代码阅读
1.经常在程序里见到 Util ,想知道它一般是指什么意思?我们在项目里也常新建一个util类包放一些常用到的公用方法eversino.util.FileHelpereversino.util...原创 2018-06-05 21:49:17 · 243 阅读 · 0 评论 -
对CNN中pooling的理解
源链接 https://blog.csdn.net/jiejinquanil/article/details/50042791自己在看论文的过程中结合网上的一些资料,对pooling的一些理解汇总如下,以供参考: 1、pooling主要是在用于图像处理的卷积神经网络中,但随着深层神经网络的发展,pooling相关技术在其他领域,其他结构的神经网络中也越来越受关注。 2、卷积神经网络中的卷积层是对...转载 2018-06-06 09:59:41 · 523 阅读 · 0 评论 -
CNN笔记:通俗理解卷积神经网络
源链接 https://blog.csdn.net/v_july_v/article/details/51812459#comments通俗理解卷积神经网络(cs231n与5月dl班课程笔记)1 前言 2012年我在北京组织过8期machine learning读书会,那时“机器学习”非常火,很多人都对其抱有巨大的热情。当我2013年再次来到北京时,有一个词似乎比“机器学习”更火,那就是“深...转载 2018-04-12 16:05:07 · 148 阅读 · 0 评论 -
机器学习中什么是端到端的学习(end-to-end learning)?
源链接 https://blog.csdn.net/cs24k1993/article/details/79118460相对于深度学习,传统机器学习的流程往往由多个独立的模块组成,比如在一个典型的自然语言处理(Natural Language Processing)问题中,包括分词、词性标注、句法分析、语义分析等多个独立步骤,每个步骤是一个独立的任务,其结果的好坏会影响到下一步骤,从而影响整个训练...转载 2018-06-06 09:59:33 · 865 阅读 · 0 评论 -
深度信念网络(Deep Belief Network)
源链接 https://blog.csdn.net/losteng/article/details/51001247“深度学习”学习笔记之深度信念网络 本篇非常简要地介绍了深度信念网络的基本概念。文章先简要介绍了深度信念网络(包括其应用实例)。接着分别讲述了:(1) 其基本组成结构——受限玻尔兹曼机的的基本情况,以及,(2) 这个基本结构如何组成深度信念网络。 本文仅仅能使读者了解深度信念网络这...转载 2018-06-06 09:59:01 · 2912 阅读 · 0 评论 -
端到端机器学习”中的“端到端”应如何理解
源链接 https://www.zhihu.com/question/264358398/answer/280694210请问“端到端机器学习”中的“端到端”应如何理解?下面是查到的文字解释,不过还是感觉不是很容易理解,中间有了步骤就不是端到端了?但一般机器学习总归还是需要数据预处理、特征提取之类的步骤啊?什么是端到端学习端到端学习是一种解决问题的思路,与之对应的是多步骤解决问题,也就是将一个问...转载 2018-04-12 16:08:55 · 28055 阅读 · 0 评论 -
深度网络VGG理解
源链接 https://blog.csdn.net/wcy12341189/article/details/56281618前言:ILSVRC 2014的第二名是Karen Simonyan和 Andrew Zisserman实现的卷积神经网络,现在称其为VGGNet。它主要的贡献是展示出网络的深度是算法优良性能的关键部分。他们最好的网络包含了16个卷积/全连接层。网络的结构非常一致,从头到尾全部...转载 2018-06-05 21:48:08 · 809 阅读 · 0 评论 -
卷积神经网络 卷积 池化 上下采样
(参考链接https://www.zhihu.com/question/39022858)如何理解卷积神经网络(CNN)中的卷积和池化?(参考链接https://www.zhihu.com/question/49376084)可以看看这篇文章《An Intuitive Explanation of Convolutional Neural Networks》,感觉讲的还挺详细翻译版:[翻译] 神经...转载 2018-06-05 21:47:32 · 10204 阅读 · 0 评论 -
深度学习入门必须理解这25个概念
源链接 https://blog.csdn.net/pangjiuzala/article/details/72630166神经网络基础1)神经元(Neuron)——就像形成我们大脑基本元素的神经元一样,神经元形成神经网络的基本结构。想象一下,当我们得到新信息时我们该怎么做。当我们获取信息时,我们一般会处理它,然后生成一个输出。类似地,在神经网络的情况下,神经元接收输入,处理它并产生输出,而这个输...转载 2018-06-05 21:47:24 · 99 阅读 · 0 评论 -
VGG 论文笔记
源链接 https://www.jianshu.com/p/9c6d90e4f20e论文原标题《VERY DEEP CONVOLUTIONAL NETWORK SFOR LARGE-SCALE IMAGE RECOGNITION》论文被发表在ICLR 2015上VGG16和VGG19是这篇文章提出的两个非常好的DCNN(Deep Convolutional Neural Network )。(论...转载 2018-06-05 21:47:17 · 819 阅读 · 0 评论 -
译Combining Markov Random Fields and Convolutional Neural Networks for Image Synthesis
https://blog.csdn.net/wangxc_123/article/details/76096082基于马尔科夫随机场和卷积神经网络组合的图像合成(Image Synthesis)摘要 这篇文章研究了用于生成2D图像的生成马尔科夫随机场模型MRF和有分辨能力的已训练的深度卷积神经网络dCNNs的组合。生成马尔科夫随机场模型作用在dCNN的高层特征上,在抽象层次控制了图像的布局。我们在...转载 2018-06-05 21:47:04 · 353 阅读 · 0 评论 -
同时安装了天正8.0和AUTO CAD2007为什么双击天正每次打开的都是AUTO CAD2007?
https://zhidao.baidu.com/question/355703474.html?qbl=relate_question_7&word=t7%CE%C4%BC%FE1、天正8.0是基于AutoCAD2007使用的,所以双击打开启动就是AutoCAD2007,然后在2007上面加载了天正的工具。2、打开以后可以如果没有左侧的菜单,可以同时按CTRL和+号,这样就可以显示出来了...转载 2018-06-05 21:46:53 · 2591 阅读 · 0 评论 -
Torch深度学习入门
源链接https://blog.csdn.net/zackzhaoyang/article/details/51417705lua和torch的安装官网都有,lua的语法基础知识网上有很多。请看本文前自行学习。本文简单介绍了torch做深度学习模型的简单用法,并给出了CIFAR-10的分类例子和代码。简单概念概述torch中有神经网络(Neural Networks)的包‘nn’。在torch中,...转载 2018-06-05 21:46:46 · 177 阅读 · 0 评论 -
各种深度学习框架
DL框架的未来发展,TensorFlow/MXNet/Torch, 选哪个?源链接 https://www.zhihu.com/question/46587833DL framework的学习成本还是不小的,以后未来的发展来看,你建议选哪个?请主要对比分析下4个方面吧:1. 实现新计算单元(layer)和网络结构的便利性如:RNN, bidirectional RNN, LSTM, GRU, at...转载 2018-06-05 21:46:39 · 328 阅读 · 0 评论 -
torch环境搭建
源链接 https://blog.csdn.net/hp910315/article/details/53545854torch是一个深度学习的工具,它使用lua语言编写,集成了各种深度学习开发包。下面具体来看看torch环境的搭建过程。1、torch的安装具体可以参考 http://torch.ch/docs/getting-started.htmlgit clone https://gith...转载 2018-06-05 21:46:30 · 2154 阅读 · 0 评论 -
特征提取方法: one-hot 和 TF-IDF
源链接 https://www.cnblogs.com/lianyingteng/p/7755545.htmlone-hot 和 TF-IDF是目前最为常见的用于提取文本特征的方法,本文主要介绍两种方法的思想以及优缺点。1. one-hot1.1 one-hot编码 什么是one-hot编码?one-hot编码,又称独热编码、一位有效编码。其方法是使用N位状态寄存器来对N个状态进行编码,每个状...转载 2018-06-05 21:45:54 · 291 阅读 · 0 评论 -
翻译-卷积神经网络图像纹理合成 Texture Synthesis Using Convolutional Neural Networks
源链接https://blog.csdn.net/cicibabe/article/details/70991588卷积神经网络的图像纹理合成TextureSynthesis Using Convolutional Neural NetworksTaylor Guo, 2017年4月29日 星期六 摘要本文介绍了一种基于卷积神经网络特征空间的自然纹理的新模型,可以用于物体识别。模型的样本具有高感知...转载 2018-06-05 21:45:33 · 1276 阅读 · 0 评论