- 博客(19)
- 收藏
- 关注
RSS订阅原创 torch之optimizer.step() 与 scheduler.step() 的用法
optimizer.step() 与 scheduler.step() 的用法
2022-07-06 16:16:06
11303
原创 Python装饰器
Python装饰器是用于拓展原来函数功能的一种函数 ，目的是在不改变函数名的情况下，给函数添加新的功能。**这个函数的特殊之处在于它的返回值也是一个函数，这个函数是内嵌在“原”函数的函数。...
2021-09-05 20:35:00
68
原创 Java多线程
一、基本概念：程序、进程、线程1.基本概念程序(program)是为完成特定任务、用某种语言编写的一组指令的集合。即指一段静态的代码，静态对象。进程(process)是程序的一次执行过程，或是正在运行的一个程序。是一个动态的过程：有它自身的产生、存在和消亡的过程。——生命周期 如：运行中的QQ，运行中的MP3播放器 程序是静态的，进程是动态的 &n
2021-03-13 14:48:18
132
原创 人脸识别优化的本质
人脸识别模型优化的本质为： 在一个特征空间中，属于同一个人的图像特征尽可能聚拢，不属于同一个人的图像特征尽可能发散，模型对于特征建模能力的强弱直接影响人脸识别模型的识别准确率。 设计优良的损失函数，可以最大化实现类内特征的聚合与类间特征的离散。Margin 类的损失函数可以被统一表达为：式中，m1 、m2 、m3 为添加的不同的 Margin。如图 1 所示，
2021-01-24 20:22:17
264
原创 CNN中各个层的作用
卷积层： 卷积层通过局部连接和权值共享的方法，模拟具有局部感受野的简单细胞，提取一些初级视觉特征的过程。局部连接指卷积层上的每一个神经元与前一层特征图中固定区域的神经元建立连接；权值共享指同一特征图中的神经元用一组相同的连接强度与前一层局部连接，可以减少网络训练参数，上述一组相同的连接强度即为一个特征提取器，在运算的过程中变现为一个卷积核，卷积核数值先随机初始化，最后由网络训练确定。池化层： &nb
2021-01-22 17:50:32
2926
原创 基于多尺度分层双线性池化网络的细粒度表情识别
由于人脸表情细微的类间差异和显著的类内变化使得人脸表情识别困难而导致识别率低，为此提出了一个基于多尺度双线性池化神经网络的模型。首先，通过精心设计的三种不同的粗细尺度网络提取人脸表情全局特征。然后，引入了分层双线性池化层，集成多个同一网络以及不同网络的多尺度跨层双线性特征来捕获不同层级间的部分特征关系，从而增强模型对面部表情微妙特征表征的判别能力。最后，通过逐层反卷积融合多层特征信息，解决了神经网络通过多层卷积层、池化层提取特征时丢失部分关键特征的问题。该模型在 FER2013 和 CK+公开数据集上识别率
2021-01-22 17:20:53
563
原创 博士论文——基于卷积神经网络的人脸识别研究 __张燕红
论文题目作者年份关键词链接备注基于卷积神经网络的人脸识别研究张燕红2018人脸识别；卷积神经网络；特征提取；分块策略；正则化博士论文摘要：随着信息技术的蓬勃发展，人们的学习和生活方式都发生了深刻的变化，公共安全日渐成为大家关注的焦点问题。生物特征识别技术由此应运而生，尤其是其中的人脸识别技术。相较于指纹识别、虹膜识别等其他生物识别技术，人脸识别具有采集方式友好、较少需要或不需要人的配合、应用操作简单、隐蔽性好等优点。在日常生活的方方面面如公共安全、金融安全等，人脸...
2021-01-22 17:20:39
2039
原创 super关键字
1.super关键字有三种用法1.在子类的成员方法中，访问父类的成员方法2.在子类的成员方法中，访问父类的成员变量3.在子类的构造方法中，访问父类的构造方法具体看以下代码创建一个父类：public class Demo01SuperFu { int num = 10; public void method(){ System.out.println("父类方法"); }创建一个子类：public class Demo01SuperZi ext
2020-12-09 13:58:32
85
原创 java 中的异常处理与分类
一、异常分类Throwable是 Java 语言中所有错误或异常的超类。下一层分为Error和Exception1、Error类是指java运行时系统的内部错误和资源耗尽错误。应用程序不会抛出该类对象。如果出现了这样的错误，除了告知用户，剩下的就是尽力使程序安全的终止。2、Exception又有两个分支，一个是运行时异常RuntimeException，如：NullPointerException、ClassCastException；一个是检查异常CheckedException，如I/O错误导致
2020-12-08 15:15:25
380
原创 深度学习中的 overfitting问题的几种解决方法
今天，我们来谈谈人们在平时深度学习中究竟怎么解决的过拟合问题的大家应该都知道，high bias（高偏差）对应着欠拟合，而high variance（高方差）对应着过拟合。下面，我们就来解决overfitting（过拟合）的问题1.Regularization （正则化）我们先回顾一下逻辑回归中介绍的 L2 regularization，其表达式为：还有一种 L1 regularization 方法，表达式为：与L2 regularization相比，L1 regularization得到的
2020-12-08 11:15:29
2952
原创 MATLAB之最干货（四）
MATLAB之最干货（四）——内置函数到这里，我要分享的内容部分已经过半，今天，我带来的是MATLAB中的内置函数部分，肘子~~一. 多项式1. 创建p = [1,2,3,4]; % 系数向量，按x降幂排列，最右边是常数f1 = poly2str(p,'x'); % 生成好看的字符串 f1 = x^3 + 2 x^2 + 3 x + 4，不被认可的运算式f2 = poly2sym(p); % 生成可用的符号函数 f2 = x^3 + 2*x^2 + 3*x + 42. 求值x = 4
2020-11-18 18:38:26
513
原创 MATLAB之最干货（三）
MATLAB之最干货（三）很快，到了我们的图像绘制环节，在研究中，图像绘制是很常用的，对研究的数据进行直观体现。下面，我们就开始今天的内容——matlab中的图像绘制，肘子~~首先，变量备用，用来下面举例子x = 0:0.1:2*pi;y1 = sin(x);y2 = cos(x);一、二维曲线的绘制1.基本函数（1）plot(y) ,y为向量plot(y1); % 纵坐标为y的值；横坐标自动为元素序号(角标+1)，此处为1~9（2）plot(y) ,y为矩阵figure;
2020-11-16 17:29:35
480
2
原创 MATLAB中的遇到一些函数积累
MATLAB中的遇到一些函数积累1.Matlab之rand()函数的使用rand是0-1的均匀分布，randn是均值为0方差为1的正态分布rand(n)或randn(n)生成n*n的随机数矩阵rand(n,m)或randn(m,n)生成m*n的随机数矩阵。2. randperm()的用法将一列序号随机打乱，序号必须是整数。randperm(5)ans =5 3 4 1 2这个例子将1～5顺序随机打乱。randperm(100,5)ans =
2020-11-13 15:12:47
205
1
原创 MATLAB之最干货（二）
MATLAB之最干货（二）咚咚咚咚咚！！我来啦这一节该轮到我们的matlab的结构部分上场了！来次够，坐稳了说到结构呢，每门语言都会学习，而且每种语言的代码分格都有些许差异，今天在这里呢，我就只给大家讲讲matlab中与其他语言结构不一样的地方，一样的地方我会一笔带过哦~不多比比，走你——a = 5;x = [1,2];y = [3,4];一.选择结构(1) %if-elseif-else-endif a>0 disp(x);elseif a==0 disp(a);els
2020-11-13 12:28:24
378
原创 MATLAB之最干货（一）
MATLAB之最干货（一）首先哈，咳咳 欢迎大家点进来，在这里呢，弟弟给大家分享一点关于MATLAB的干货，考试入门都不在话下。不多比比，直接干——还得比比几句... 这儿呢， 建议大家有C语言或者其他编程语言的基础，不用精通，有那么回事就可以哈 再者就是对线性代数和矩阵有一定的了解，熟悉其基本的知识。好了，开整... 首先这一节让我们走进value的世界吧一.生成矩阵1.直接法a = [1,2,3;4,5,6;7,8,9];2.冒号一维矩阵 a = 开始：步长：结束，步长为
2020-11-11 22:32:17
409
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