自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(12)
  • 收藏
  • 关注

原创 图像分类篇:pytorch实现ResNet

ResNet详解ResNet网络是在2015年由微软实验室提出的,斩获当年ImageNet竞赛中分类任务第一名,目标检测第一名,获得COCO数据集中目标检测第一名,图像分类第一名。在ResNet网络中的亮点:搭建超深层网络(突破1000层)提出Residual结构(残差结构)使用Bat...

2021-12-27 19:32:21 2720

原创 图像分类篇:pytorch实现GoogLeNet

一、GoogLeNet网络详解GoogLeNet在2014年由Google团队提出,斩获当年ImageNet竞赛中Classification Task(分类任务)中的第一名。GoogLeNet的创新点:引入了Inception结构(融合不同尺度的特征信息) 使用1x1的卷积核进行降维以及映射处理 添加两个辅助分类器帮助训练 丢弃全连接层,使用平均池化层1.Inception结构传统的CNN结构如AlexNet、VGG都是串联结构,即将一系列的卷积层和池化层进行串联得到的结构。

2021-12-20 15:34:24 1001

原创 图像分类篇:pytorch实现VGG

一、VGG网络详解及感受野计算VGG在2014年由牛津大学著名研究组VGG(Visual Geometry Group)提出,斩获该年ImageNet竞赛中Localization Task(定位任务)第一名和Classification Task(分类任务)第二名。VGG有两种结构,分别是VGG16和VGG19,两者并没有本质上的区别,只是网络深度不一样。VGG网络的创新点:通过堆叠多个小卷积核来代替大尺度卷积核,可以减少训练参数,同时能保证相同的感受野。1.CNN感受野在卷积神经网络中,

2021-12-20 14:41:58 4628

原创 图像分类篇:pytorch实现AlexNet

AlexNet是2012年ILSVRC 2012(ImageNet Large Scale Visual Recognition Challenge)竞赛的冠军网络,分类准确率由传统方法的 70%+提升到 80%+(当时传统方法已经进入瓶颈期,所以这么大的提升是非常厉害的)。它是由Hinton和他的学生Alex Krizhevsky设计的。也是在那年之后,深度学习开始迅速发展。下图是从AlexNet原论文中截取的网络结构图。ISLVRC2012 中,训练集:1,281,167张已标注图片,验证集:5

2021-12-14 15:24:21 1683

原创 目标检测算法评价指标之mAP

随着计算机技术的发展和计算机视觉原理的广泛应用,利用计算机图像处理技术对目标进行实时跟踪研究越来越热门,对目标进行动态实时跟踪定位在智能化交通系统、智能监控系统、军事目标检测及医学导航手术中手术器械定位等方面具有广泛的应用价值。这篇文章将主要介绍目标检测问题中的最常用的评估指标——mean Average Precision,即mAP。一、目标检测问题目标检测,也叫目标提取,是一种基于目标几何和统计特征的图像分割。在目标检测问题中,给定一个图像,找到它所包含的物体,找到它们的位置并对...

2021-12-07 18:40:07 5511

原创 图像分类篇:实现pytorch官网demo(LeNet)

跟着b站up主学习整理:2.1 pytorch官方demo(Lenet)_哔哩哔哩_bilibili一、CNN的雏形——LeNet网络结构1998年,LeCun等人发布了LeNet网络,从而揭开了深度学习的面纱,之后的深度神经网络都是在这个基础之上进行改进的,其结构如图所示。如图,LeNet是由卷积层、池化层、全连接层的顺序连接,网络中的每个层使用一个可微分的函数将激活数据从一层传递到另一层。pytorch 中 tensor(也就是输入输出层)的通道排序为:[batch, channe.

2021-12-06 20:27:39 1090

原创 人脸特征提取

以人脸识别(属于分类问题)为例,理解实际应用中的特征数据集提取。用python3+opencv3.4+dlib库编程,打开摄像头,实时采集人脸并保存、绘制68个特征点;import numpy as npimport cv2import dlibimport osimport sysimport random# 存储位置output_dir = 'D:/1/python/faces'size = 64 if not os.path.exists(output_dir):

2021-11-29 19:00:56 194

原创 SVM深入理解

一、深入了解SVM算法在解决线性不可分类时,对特征集进行多项式、核函数转换(升维)将其转换为线性可分类问题的思想完成以下任务: 对照参考资料“支持向量机-课件-518.docx”,将其中的例子代码在Jupyter中重新做一遍。并将例子代码中采用多项式分类函数、高斯核函数对鸢尾花、月亮数据集进行SVM训练所得到最终分类决策函数,输出出来。...

2021-11-23 10:56:18 1241

原创 多元线性回归算法预测房价

garbage in garbage out”(简称GIGO),是计算机术语常用的俚语,意思是如果你输入错误的数据,那么(计算机)输出的结果也是错误的。这个结论在机器学习领域也成立。多元线性回归属于监督机器学习算法,通过已知数据训练得到模型或决策函数。应用此算法时,不能盲目地套用算法,必须对数据的有效性、正确性、假设合理性进行验证,如果发现数据本身不正确,就需要纠正。多元线性回归适用于对受到多因素影响的数据进行分析的场景。由多个自变量的最优组合共同来预测或估计因变量,比只用一个自变量进行预测或估计更有效,更

2021-11-16 16:28:52 2283

原创 决策树挑出好西瓜

一、决策树算法利用了信息论的信息熵的计算。决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干,故称决策树。在机器学习中,决策树是一个预测模型,他代表的是对象属性与对象值之间的一种映射关系。Entropy = 系统的凌乱程度,使用算法ID3,C4.5和C5.0生成树算法使用熵。最经典的决策树算法有ID3...

2021-11-07 15:11:32 3514

原创 凸优化基础知识

计算几何研究的对象是几何图形。早期人们对于图像的研究一般都是先建立坐标系,把图形转换成函数,然后用插值和逼近的数学方法,特别是用样条函数作为工具来分析图形,取得了可喜的成功。然而,这些方法过多地依赖于坐标系的选取,缺乏几何不变性,特别是用来解决某些大挠度曲线及曲线的奇异点等问题时,有一定的局限性。

2021-10-21 18:17:00 1777

原创 初识线性回归

Python代码实现线性回归

2021-10-19 13:42:48 272

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除