![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 95
拔牙不打麻药
你不要再睡啦!
展开
-
Python高级编程 期末大作业 用自建数据集进行目标检测(采用YOLO v3算法)
期末大作业要求如下↓ 参考教程:https://www.cnblogs.com/gezhuangzhuang/p/10596545.html https://zhuanlan.zhihu.com/p/46595846 实验环境及工具:Python 3.7+Tensorflow 1.14(cpu版)+keras 2.31+Pycharm+精灵标注助手软件; 实验原理 目标检测:目标检测即找出图像中所有感兴趣的物体,包含物体定位和物体分类两个子任务,同时确定物体的类别和位置。 传统目标检测的方法一般分为三原创 2021-01-22 16:05:02 · 1860 阅读 · 3 评论 -
Python高级编程(深度学习) 08-循环神经网络
目录时间序列例子简单的动力系统离散模型循环神经网络简单的循环神经网络非线性激活函数tanh处理远期依赖sigmoid激活函数增加层数双向RNN案例:使用RNN矫正系统误差 时间序列例子 考虑一个乒乓球从高出下落的过程: 重力影响:恒定的加速度a 空气阻力影响:与速度v的平方成正比; 如果我们想描述该乒乓球在一系列时间点t上的位置y,我们至少需要考虑一个隐含状态v。 简单的动力系统离散模型 循环神经网络 RNN模型 每一个模块A都是一样的(参数共享) 简单的循环神经网络 ht-1和xt结合经过ta原创 2020-11-13 21:52:57 · 215 阅读 · 0 评论 -
Python高级编程 07-图像语义分割
图像语义分割 传统的语义分割 大多都是基于像素的分割,由于是对像素变化敏感,所以分割出来的效果往往与人眼所判断出来的效果有很大的不同。 SuperPixel 将像素按特性(如颜色或纹理等)划分到不同的块中,这个块就叫超像素。 通过对超像素的特征提取进而能实现识别。同时降低了运行时间。 传统图像分割问题 基于图像的语义分割 思路:“编码——解码” 编码:使用CNN将图像映射到特征空间,激活情况标志着“这里是什么” 解码:将低分辨率的特征图映射回原图尺寸,为每个像素标记一个类别 典型方法:U-Net U-原创 2020-11-08 15:52:49 · 2755 阅读 · 1 评论 -
Python高级编程(深度学习) 05-卷积神经网络进阶
目录卷积神经网络发展史BenchMarkCNN提出AlexNetVGGBatchNormalizationInceptionV3ResNetEfficientNet迁移学习数据增强三维卷积从图像分类到目标识别实例:猫狗大战处理数据集:删除不是jpg的文件数据增强以InceptionV3为例构建模型训练模型准确率比较预测附:以InceptionV3为例的代码附:自建CNN代码报错 卷积神经网络发展史 1989——CNN:正式提出 2012——AlexNet:2012年ImageNet竞赛冠军 2014——VG原创 2021-01-29 17:24:31 · 1282 阅读 · 2 评论 -
Tensorflow1.14升级更新到Tensorflow2.3
检查CUDA版本nvcc --version 在官方手册:https://tensorflow.google.cn/install/source_windows#gpu中可以看到CUDA需要10.1的版本 下载CUDA10.1 https://developer.nvidia.com/cuda-toolkit-archive 随机挑选一个幸运版本 趁着CUDA在下载的时候看一下,需要自己注册一个账号。cudnnhttps://developer.nvidia.com/cudnn CUDA安装完成后,原创 2020-10-10 08:46:05 · 2262 阅读 · 0 评论 -
Python高级编程(深度学习) 04-卷积神经网络图像分类
计算机视觉 眼睛不等于视觉 摄像机不等于视觉 单个像素只有一个颜色信息,不表示任何复杂语义 传统图像特征举例:HOG 方向梯度直方图 传统图像特征举例:LBP 局部二值模式(以中间的值作为阈值,若像素值高于阈值则设置为1低于则为0) 图像分类任务 怎么区分鱼和自行车? 有效描述图像内容(像素图像比较无效) 找出区分鱼和自行车的关键信息(比如不能通过鱼有眼睛来区分,自行车上挂一个小黄人也是有眼睛的) 逻辑分类 卷积(Convolution) 对于一个有噪声的函数y=f(x),使用一个核(原创 2020-10-16 20:22:56 · 1683 阅读 · 0 评论