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

-+

扬帆·启航

胸中若有凌云志,不待扬鞭自奋蹄!

  • 博客(63)
  • 资源 (6)
  • 收藏
  • 关注

原创 TeX Live 2021 从卸载到安装指南

TeX Live 2021安装方法

2021-04-07 09:41:22 23560 4

转载 【论文汇总】Semantic-Segmentation(语义分割)

关于语义分割的所有论文和资源的列表。

2020-12-18 15:34:12 9079

原创 【GAT】如何理解Graph Attention Network(注意力机制)?

引入masked self-attentional layers 来对不同的相邻节点分配相应的权重,既不需要矩阵运算,也不需要事先知道图结构。

2021-05-12 10:08:48 4410

翻译 【图神经网络综述】A Comprehensive Survey on Graph Neural Networks(V4)

这篇文章介绍了 GNN 的背景知识、发展历史、分类与框架、应用等,详细介绍了各种模型与方法,包括公式、模型图示、算法等。

2021-04-24 15:08:49 1419

原创 【LGCN】如何理解Large-Scale Learnable Graph Convolutional Networks?

将图结构数据变换到网格状数据中,使用传统的一维卷积进行卷积。变换的方式是:针对每个特征的大小,对邻居结点进行排序,取这个特征前k大的数作为它邻居这列特征的k个值。如果邻居不够,那就用0来补。这样就能得到该顶点的邻居信息,组成一个矩阵,然后使用一维卷积。

2021-04-10 16:22:08 808

原创 【GraphSAGE】如何理解Graph sample and aggregate(文章结构)?

针对的问题是之前的网络表示学习的transductive,从而提出了一个inductive的GraphSAGE算法。GraphSAGE是为了学习一种节点表示方法,即如何通过从一个顶点的局部邻居采样并聚合顶点特征,而不是为每个顶点训练单独的embedding。

2021-04-10 15:30:34 1059

原创 Git教程

关于Git的简介、版本控制、远程仓库、创建分支、标签等用法介绍。

2021-04-07 09:52:55 219

原创 MATLAB 学习过程常用命令记录 (作图)

绘制子图 subplot>> subplot(1,2,1)>> subplot(1,3,1)>> subplot(2,3,1)subplot 函数代表绘制子图,三个参数,第一个代表绘制一共绘制几行小图表,第二个代表绘制几列小图表,第三个代表绘制第几个小图表。此命令也可以用来选定绘制哪个图。注释标记 text>> text(1,5,'线宽度为4')>> subplot(1,2,1)>> text(0.5,0.5,.

2021-04-07 09:42:02 966

原创 MATLAB 学习过程常用命令记录 (函数)

匿名函数定义>> f = @(x)x.^2;>> fx = f(1:10)fx = 1 4 9 16 25 36 49 64 81 100>> g = @(x,y)x.^2+y.^2;>> gxy=g(1:10,2:11)gxy = 5 13 25 41 61 85

2021-04-07 09:40:23 338

翻译 【图卷积网络】Semi-Supervised Classification with Graph Convolutional Networks

将卷积扩展到图结构的数据中,能够得到比较好的数据表示,并且在半监督任务中也取得了不错的效果。

2021-03-16 19:46:20 2946

翻译 【图像分割综述】Image Segmentation Using Deep Learning: A Survey

涵盖了图像分割方面的最新文献,并讨论了直到2019年提出的一百多种基于深度学习的分割方法,训练方法及其主要贡献。 提供了综述方法的性能的比较摘要,并讨论了基于深度学习的图像分割模型的一些挑战和潜在的未来方向。

2021-03-09 19:44:23 6999

翻译 【图像分类—Xception】Xception: Deep Learning with Depthwise Separable Convolutions

将Inception V3结构中的Inception改用Depthwise Separable Convolution,在与Inception V3参数数量相差无几的情况下,在ImageNet上性能有略微上升,JFT上有明显提高。

2021-03-07 20:48:03 1466

翻译 【语义分割—Deeplab V3+】Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation

deeplabv3+继续在模型的架构上作文章, 为了引入语义分割常用的encoder-decoder融合多尺度信息。在 encoder-decoder架构中,引入可任意控制编码器提取特征的分辨率, 通过空洞卷积平衡精度和耗时。在语义分割任务中采用Xception模型, 在ASPP和解码模块使用depthwise separable convolution, 提高编码器-解码器网络的运行速率和稳定性, 在 PASCAL VOC 2012 dataset取得89.0% mIOU

2021-03-05 15:02:21 861

翻译 【图像分割—U-Net】U-Net: Convolutional Networks for Biomedical Image Segmentation

Unet架构能够捕获上下文的收缩路径和精确定位的对称扩展路径。

2021-03-03 13:54:49 1734

翻译 【语义分割—Deeplab V3】Rethinking Atrous Convolution for Semantic Image Segmentation

Deeplab V1-V2都是使用带孔卷积提取密集特征来进行语义分割。但是为了解决分割对象的多尺度问题,deeplabv3设计采用多比例的带孔卷积级联或并行来捕获多尺度背景。

2021-03-01 20:32:32 1590

翻译 【语义分割—DeepLab V2】DeepLab: Semantic Image Segmentation with Deep Convolutional Nets...

deeplabv2是相对于deeplabv1基础上的优化。解决特征分辨率的降低、物体存在多尺度,DCNN的平移不变性3个问题。

2021-02-27 16:05:12 1688

翻译 【语义分割—DeepLab V1】Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFs

DeepLab v1:卷积神经网络+概率图模型做端到端训练。DCNN+CRF 预测结果准确、效率高

2021-02-25 09:48:53 875

翻译 【语义分割—SegNet】SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation

SegNet的编码器部分使用了去除全连接层的VGG-16网络,解码器部分采用了对等于编码器部分的结构。SegNet的解码器部分使用了一系列上采样和卷积层,上采样层对应于解码器的对等最大池化层,通过保留的最大池化层的最大值索引来恢复特征图分辨率,并利用可学习的后续卷积层来产生稠密特征。

2021-02-24 10:12:31 1927

翻译 Matplotlib教程

matplotlib可能是2D图形最常用的Python软件包。它提供了一种非常快速的方式来可视化来自Python的数据以及多种格式的具有出版物质量的图形。我们将以交互模式探索matplotlib,涵盖最常见的情况。

2021-02-07 10:39:36 413

原创 【统计学习方法】第11章 条件随机场

条件随机场(conditional random field,CRF)是给定一组输入随机变量条件下另一组输出随机变量的条件概率分布模型,其特点是假设输出随机变量构成马尔可夫随机场。

2021-02-03 17:48:58 157

原创 【统计学习方法】第10章 隐马尔可夫模型

隐马尔可夫模型(hidden Markov model,HMM)是可用于标注问题的统计学习模型,描述由隐藏的马尔可夫链随机生成观测序列的过程,属于生成模型。

2021-02-02 23:07:15 229

原创 【统计学习方法】第9章 EM算法及其推广

EM算法(expectation maximization algorithm)是一种迭代算法,EM算法的每次迭代由两步组成:E步,求期望(expectation);M步,求极大(maximization)。所以这一算法称为期望极大算法(expectation maximization algorithm),简称EM算法.

2021-02-01 16:38:40 198 2

原创 【统计学习方法】第8章 提升方法

提升(boosting)方法是一种常用的统计学习方法,应用广泛且有效。在分类问题中,它通过改变训练样本的权重,学习多个分类器,并将这些分类器进行线性组合,提高分类的性能。

2021-01-31 10:47:36 140

原创 【统计学习方法】第7章 支持向量机

支持向量机(support vector machines,SVM)是一种二类分类模型。它的基本模型是定义在特征空间上的间隔最大的线性分类器,间隔最大使它有别于感知机;支持向量机还包括核技巧,这使它成为实质上的非线性分类器。支持向量机的学习策略就是间隔最大化,可形式化为一个求解凸二次规划(convex quadratic programming)的问题,也等价于正则化的合页损失函数的最小化问题。支持向量机的学习算法是求解凸二次规划的最优化算法。

2021-01-30 10:26:27 212 1

原创 【统计学习方法】第6章 逻辑斯谛回归

逻辑斯谛回归(logistic regression)是统计学习中的经典分类方法.最大熵是概率模型学习的一个准则,将其推广到分类问题得到最大熵模型(maximum entropy model)。逻辑斯谛回归模型与最大熵模型都属于对数线性模型。

2021-01-29 10:20:28 150

原创 【统计学习方法】第5章 决策树

决策树(decision tree)是一种基本的分类与回归方法。决策树模型呈树形结构,在分类问题中,表示基于特征对实例进行分类的过程。

2021-01-28 11:07:10 248

原创 【统计学习方法】第4章 朴素贝叶斯法

朴素贝叶斯(naive Bayes)法是基于贝叶斯定理与特征条件独立假设的分类方法.对于给定的训练数据集,首先基于特征条件独立假设学习输入/输出的联合概率分布;然后基于此模型,对给定的输入x,利用贝叶斯定理求出后验概率最大的输出y.

2021-01-27 15:46:34 207

原创 【统计学习方法】第3章 k近邻法

k近邻法(k-nearest neighbor,k-NN)是一种基本分类与回归方法。k近邻法的输入为实例的特征向量,对应于特征空间的点;输出为实例的类别,可以取多类。k近邻法假设给定一个训练数据集,其中的实例类别已定.分类时,对新的实例,根据其k个最近邻的训练实例的类别,通过多数表决等方式进行预测。

2021-01-26 16:20:06 468

原创 【统计学习方法】第2章 感知机

感知机(perceptron)是二类分类的线性分类模型,其输入为实例的特征向量,输出为实例的类别,取+1和-1二值。感知机对应于输入空间(特征空间)中将实例划分为正负两类的分离超平面,属于判别模型。感知机学习旨在求出将训练数据进行线性划分的分离超平面,为此,导入基于误分类的损失函数,利用梯度下降法对损失函数进行极小化,求得感知机模型。

2021-01-25 11:54:59 192

原创 【统计学习方法】第1章 统计学习方法概论

统计学习(statistical learning)是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。统计学习也称为统计机器学习(statistical machine learning)。

2021-01-24 23:09:18 377

翻译 【图像分类—ResNet V2】Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning

论文基于Inception结构和残差连接实现了3个网络:Inception-v4、Inception-ResNet-v1、Inception-ResNet-v2;通过实验证明了残差连接能够很好的改善训练速度,同时证明了非残差的Inception网络同样能够实现最好的分类精度。

2021-01-20 22:32:17 979

翻译 【图像分类—ResNet V1】Deep Residual Learning for Image Recognition

论文解决的主要问题是深层的神经网络很难训练;提出了一种残差学习框架来减轻网络训练。

2021-01-18 22:32:38 548

翻译 【图像分类—GoogLeNet Inception V3】Rethinking the Inception Architecture for Computer Vision

分析了Inception优化的一些历史情况;提出了设计Inception的四个原则;提出分解卷积核的方式;辅助分类器的作用;提出缩小feature的结构。

2021-01-16 21:43:36 206

翻译 【图像分类—GoogLeNet Inception V2】Batch Normalization: Accelerating Deep Network Training by ...

BN的提出是为了克服深度神经网络难以训练的弊病,减轻了对参数初始化的依赖;训练更快,可以使用更高的学习率;BN一定程度上增加了泛化能力,dropout等技术可以去掉。

2021-01-13 13:57:05 217

翻译 Python--Matplotlib(操作示例)

常用Matplotlib图的Python代码

2021-01-11 16:01:15 749

原创 【OpenCV-Python】23 目标追踪(行人跟踪)

跟踪监控视频中的行人

2021-01-09 15:32:14 5861 16

原创 【OpenCV-Python】22 目标检测(汽车检测)

目标检测的实例--汽车检测

2021-01-08 20:12:23 1972

原创 【OpenCV-Python】21 特征检测算法(下)

介绍FAST角点检测、BRIEF关键点描述和ORB(FAST和BRIEF的结合)以及如何有效利用特征检测

2021-01-07 20:12:43 578

原创 【OpenCV-Python】20 特征检测算法(上)

使用OpenCV来检测图像特征,并利用这些特征进行图像匹配和搜索

2021-01-03 16:58:05 585

原创 【OpenCV-Python】19 使用OpenCV进行人脸识别

人脸识别其实就是一个程序能识别给定图像或视频中的人脸。实现这一目标的方法之一(OpenCV也是这种方法)是用一系列分好类的图像(人脸数据库)来训练程序,并基于这些图像来进行识别

2021-01-02 15:46:54 154

cudnn64_7.zip

tensorflow所需的cudnn64_7.dll,一个应用程序拓展; 下载链接2: https://www.aliyundrive.com/s/gJzCvRa5ZMe

2021-09-24

Matplotlib.pdf

Matplotlib, Release 3.3.3 也可由此下载:https://matplotlib.org/stable/Matplotlib.pdf

2021-03-05

CarData.zip

名称:UIUC数据集 详情:UIUC汽车数据集包含汽车侧视图的图像,用于评估对象检测算法。该数据集包含1050个训练图像(550个汽车图像和500个非汽车图像),并且存在两个测试设置。首先,有170个单比例测试图像,其中包含200辆汽车,其规模与训练图像大致相同。其次是108张多尺度测试图像,其中包含139辆不同尺度的汽车。 官网:http://l2r.cs.uiuc.edu/~cogcomp/Data/Car/

2021-01-08

haarcascades.zip

haarcascades文件夹包含了所有OpenCV的人脸识别的XML文件,用于检测静止文件、视频、摄像头所得到图像中的人脸。 haarcascade_profileface.xml haarcascade_righteye_2splits.xml haarcascade_russian_plate_number.xml haarcascade_smile.xml haarcascade_upperbody.xml 这些文件是用于人脸、眼睛、鼻子和嘴的追踪。这些文件需要正面、直立的人脸图像。

2021-01-02

Scripts.zip

内容:opencv_contrib_python-3.4.2.16-cp37-cp37m-win_amd64.whl opencv_python-3.4.2.16-cp37-cp37m-win_amd64.whl 主要解决module 'cv2.cv2' has no attribute 'xfeatures2d'问题; 以下链接包含有效的下载资源: https://pypi.org/project/opencv-python/3.4.2.16/ https://pypi.org/project/opencv-contrib-python/3.4.2.16/

2020-12-30

Network.zip

PyTorch模型 cnn网络的实现: AlexNet、VGG、ResNet、InceptionV1、InceptionV2 and InceptionV3、InceptionV4 and Inception-ResNet 轻量级网络: MobileNets、MobileNetV2、MobileNetV3、ShuffleNet、ShuffleNet V2、SqueezeNet、Xception、MixNet、GhostNet 目标检测/语义分割/实例分割 以下链接包含有效的下载资源: https://github.com/shanglianlm0525/PyTorch-Networks

2020-12-10

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