计算机视觉
文章平均质量分 94
solicucu
这个作者很懒,什么都没留下…
展开
-
基于Detectron2的目标检测的源码理解
本文通过解读OneNet的源码,顺便就把detectron2看了,带有详细注释的代码在这里。原创 2021-03-05 21:54:35 · 3186 阅读 · 1 评论 -
奇异值分解(Singular Value Decomposition,SVD)的理解
1、特征向量A为n阶矩阵,若数λ和n维非0列向量x满足Ax=λx,那么数λ称为A的特征值,x称为A的对应于特征值λ的特征向量。式Ax=λx也可写成( A-λE)x=0,并且|λE-A|叫做A 的特征多项式。当特征多项式等于0的时候,称为A的特征方程,特征方程是一个齐次线性方程组,求解特征值的过程其实就是求解特征方程的解。求特征值求特征向量代入λ= 1求解有:同理带入λ = 0 得2、矩阵对角化对于上节样例,令对角矩阵为D = diag(1,0,0), P = [ξ1,ξ2,ξ3原创 2020-08-04 23:31:07 · 2078 阅读 · 0 评论 -
拉普拉斯矩阵与正则化
给定无向图G = (V,E) 如下图所示,V是顶点集合,顶点数为6,E为边集合其邻接矩阵如下,为一个对称矩阵,记为A其度矩阵为一个对角矩阵,Aii 为 第i行的求和,即顶点vi 的邻居数拉普拉斯矩阵的定义为L = D - A拉普拉斯矩阵正则化:L 左乘度矩阵的-1/2 次,再右乘度矩阵的-1/2 次,展开得到单位矩阵I 减去 A左乘度矩阵的-1/2 次,再右乘度矩阵的-1/2 次本质的意义就是,把邻接矩阵的对角线用1代替,其他表示边的1,用该边所连接的两个顶点的度数乘积的-1/2 次原创 2020-07-07 21:44:43 · 16747 阅读 · 2 评论 -
反向传播图示理解
两层感知器理解反向传播如上面所展示,对于每个结点处的前面的权重更新,其梯度等于本地梯度*上游传回来的梯度gi .而且,反向传播传回的梯度只需要计算到倒数第二层(假如输入也算一层的话),如上图所示,只需要计算到g5,g4即可。...原创 2019-12-24 20:41:11 · 713 阅读 · 0 评论 -
Anaconda 安装特定环境 pytroch,tesnsorflow
Anaconda 安装就跳过了自己安装1、新建一个环境名称,同时指定需要安装的一些包新建一个pytorch-gpu 环境,指定python 使用3.6 版本,最后加anaconda就会安装一些常用的包,比如NoteBook,Numpy Scipy、Matplotlib、Pandas等数据分析包,不想装也可以不加,反正这些包还是挺常用的conda create --name pytorch-g...原创 2019-10-16 15:24:19 · 1014 阅读 · 0 评论 -
tensorflow学习
tf.truncated_normal与tf.random_normal1、tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)从截断的正态分布中输出随机值。生成的值服从具有指定平均值和标准偏差的正态分布,如果生成的值大于平均值2个标准偏差的值则丢弃重新选择在正态分...原创 2019-05-21 01:46:58 · 291 阅读 · 0 评论 -
准确率(Accuracy)、召回率(Recall)、精确率(Precision)
一、TP、TN、FP、FN 的概念TP: 预测正确的正类TN:预测正确的负类FP:预测错误的正类(就是把负类当正类)FN:预测错误的负类(就是把正类当负类)举个栗子:假如把人脸当作正类,非人脸当作负类 人脸(正类) 非人脸(负类) ...转载 2019-05-15 16:56:15 · 5738 阅读 · 0 评论 -
Jupyter 入门知识
1、安装jupyter在windows 下,直接用下面指令安装pip install jupyter2、基本使用在终端运行jupyter notebook就可以打开编辑网页界面Jupyter的主窗口显示的路径一般是你启动notebook时位于的路径下(就是在你打开命令行窗口的目录下)。主界面如下所示若要创建一个新的notebook,只需鼠标左击New,在下拉选项中选择一个你想...原创 2019-07-03 09:46:08 · 356 阅读 · 0 评论