深度学习
文章平均质量分 52
王二小、
这个作者很懒,什么都没留下…
展开
-
Ubuntu18.04 DeepLabv3+图像语义分割学习 + 实践笔记 (三) 自定义数据集,训练和测试
Ubuntu18.04 deeplabv3+安装测试1. 环境2. 下载安装deeplabv3+2.1 下载deeplabv3+2.2 配置环境3. 测试deeplabv3+1. 环境基本配置版本号CPUIntel® Xeon® CPU E5-2685 v4 @ 2.50GHZ ×4GPUNvidia tesla P100OSUbuntu18.04python3.6tf-gpu1.13.1keras2.3.0numpy1.18.4原创 2020-08-26 16:10:17 · 894 阅读 · 1 评论 -
关于感受野的理解与计算
https://www.jianshu.com/p/9997c6f5c01e转载 2019-11-14 11:40:10 · 157 阅读 · 0 评论 -
制作自己的voc数据集并通过yolov3训练
https://blog.csdn.net/qq_34806812/article/details/81673798转载 2019-11-13 17:51:09 · 296 阅读 · 0 评论 -
mac OS(官方步骤)YOLO-V3训练VOC数据集 无GPU 无CUDA 无cudnn
我没有安装CUDA,没有GPU,无cudnn已安装opencv(使用pycharm安装),已安装darknet安装darknet下载darknetgit clone https://github.com/pjreddie/darknet.gitcd ~/darknet编译make -j8 //四核心cpu开八线程测试./darknet成功开始:一 ...原创 2019-11-13 11:25:14 · 2576 阅读 · 16 评论 -
Yolov3原理分析及网络结构
一. 什么是Yolov3?Yolov3是基于一款小众的深度学习框架——darknet的目标检测开源项目,darknet短小精悍,虽然功能和复用性不如当前大火的深度学习框架Tensorflow和Caffe2,但由于其源码都是用纯C语言和CUDA底层编写的,所以它的特点让它在Yolov3项目中大放光彩:速度快,充分发挥多核处理器和GPU并行运算的功能。所以,Yolov3的快速检测正好适合我们这种需要...转载 2019-11-13 14:06:38 · 7426 阅读 · 0 评论 -
Yolo v3图像目标检测学习 + 实践笔记 (一) 原理和网络结构
目录原创 2019-11-12 16:21:00 · 848 阅读 · 0 评论 -
Ubuntu18.04 DeepLabv3+图像语义分割学习 + 实践笔记 (二) 项目安装和测试
DeepLab3+学习与实践(二)原创 2019-11-12 15:01:35 · 803 阅读 · 1 评论 -
DeepLabv3+图像语义分割学习 + 实践笔记 (一) 原理和网络结构
DeepLab3+学习与实践(一)DeepLabv3+ 图像语义分割 (一)图像分割任务以及常用数据集语义分割常用数据集DeepLabv3+网络结构和原理DeepLabv3+网络结构编码器/解码器(encoder/decoder)结构卷积运算空洞卷积或者膨胀卷积 DCNNDeepLabv3结构特点获取多尺度上下文的架构比较采用及联模块和带孔卷积提取多尺度信息具有图像级功能的 ASPP 的并行模块D...原创 2019-11-08 16:59:16 · 12226 阅读 · 4 评论 -
递归神经网络
RNN 递归神经网络正向传播st=tanh(W∗x+U∗st−1)s_t=tanh(W*x+U*s_{t-1})st=tanh(W∗x+U∗st−1)yt=softmax(VSt)y_t=softmax(VS_t)yt=softmax(VSt)W: 输入激励参数U:不同时刻状态转换参数损失函数:Et(yt,yt^)=−ytlogytE_t (y_t,\hat{y...原创 2019-10-30 19:48:42 · 119 阅读 · 0 评论 -
卷积神经网络-目标探测
目标探测单个目标多个目标直接思路:局部识别传统方法:DPM deformable parts model基本思想:提取图像特征,制作出激励模版,在原始图像滑动计算,得到激励效果图,根据激励分布确定目标位置优点:方法直观简单运算速度快适应运动物体变形缺点:性能一般激励特征人为设计,工作量大大幅度旋转无法适应,稳定性差神经网络分类: R...原创 2019-10-24 23:09:01 · 284 阅读 · 0 评论 -
卷积神经网络-目标分类
目标分类基本框架数据准备数据来源数据扩充 :局部切割模型设计任务类型分类分类+回归多目标分类训练细节数据循环方式网络深度宽度确定损失函数设计学习率变化方式评价方式:准确率,F1 score卷积层数多比较好,参数更少,效率变高分类:softmax,直接拟合如何进行面部行为识别神经网络不需要预处理,自动进行局部探测不要所有区域...原创 2019-10-24 14:23:18 · 662 阅读 · 0 评论 -
卷积神经网络 高级篇
AlexNet:现代神经网络起源图片特征提取机器学习分类Alexnet是由5个卷积层和三个全连接层组成,一共8个权重层(池化层不是权重层因为其没有参数),其中ReLU激活函数作用在每个卷积层和全连接层上,在第一个卷积层和第二个卷积层后面连接一个局部响应规范化层,最大池化层作用在第一个卷积层,第二个卷积层和第五个卷积层的输出上。Alexnet中采用的是最大池化,是为了避免平均池化的模糊化...原创 2019-10-21 16:57:01 · 246 阅读 · 0 评论 -
卷积神经网络 基础篇
CNNhttps://campoo.cc/cnn/链式反向梯度传导链式法则 ∂f∂x=∂f∂q∗∂q∂x\frac{\partial f}{\partial x}=\frac{\partial f}{\partial q}*\frac{\partial q}{\partial x}∂x∂f=∂q∂f∗∂x∂q卷积神经网络卷积层由多个卷积核组成每个卷积核和输入数据卷积...原创 2019-10-18 19:13:04 · 115 阅读 · 0 评论 -
传统神经网络
课堂学习笔记MNIST代码参考:https://github.com/wiibrew/DeepLearningCourseCodes/blob/master/course_2_tf_nn.py线性回归y=ax1+bx2+cx3+dy=ax_1+bx_2+cx_3+dy=ax1+bx2+cx3+d预测 yt=ax1+bx2+cx3+dy_t=ax_1+bx_2+cx_3+dyt=...原创 2019-10-17 20:24:24 · 111 阅读 · 0 评论 -
深度学习总体介绍
课堂学习笔记传统机器学习数据预处理–归一化、降维、去躁特征提取–图像:SIFT、LBP、Fisher,语言:Word2vec、MFCC选择分类器–SVM、决策树、随机森林、贝叶斯网络、线性回归、聚类深度机器学习数据准备–数据、label设计模型–CNN、RNN训练–调结构、损失函数、训练参数基本概念y=W∗X+by = W*X+by=W∗X+b神经元:模型的基...原创 2019-10-17 16:32:05 · 189 阅读 · 0 评论