计算机视觉
文章平均质量分 88
wuguangbin1230
这个作者很懒,什么都没留下…
展开
-
PLASTER:一个与深度学习性能有关的框架(网络挑战)
前言机器学习 (ML) 是人工智能 (AI) 的一个重要类别。作为 ML 的一种类型,深度学习 (DL) 的相关软硬件技术取得了长足进步,对惊人的 AI 发展趋势的早期阶段起到了催化剂作用。不过,在这个采用阶段存在双重挑战:深度学习解决方案的部署是一个复杂的课题, 而且它在迅速变化。业界需要一个框架来应对与深度学习相关的机遇和挑战。在 2018 年的 NVIDIA GPU 技术大会 (GTC) 上,NVIDIA 创始人兼首席执行官黄仁勋提出了 PLASTER 框架,引导听众在相关背景下思考提供基于转载 2021-06-30 16:10:57 · 328 阅读 · 0 评论 -
transform 神经网络(1)
简单解释Transform是在神经网络之后又发展的一个比较流行的深度模型,今天就给大家解释一下这个模型的原理。首先先抛出一个问题?神经网络有哪些缺点,或者是LSTM有什么不足之处,以至于让我们又发展了Transform这个深度模型?在这里我自己总结出了几点:1、 难解释性,神经网络的一个通病,做出来的好坏都比较难解释,2、 梯度消失和梯度爆炸的问题。3、 LSTM只能串行计算,不能并行,因为它是一个时序类的模型。4、 对于翻译这类生成模型计算起来比较复杂,耗时比较长而且效果也不是很好。转载 2021-06-21 13:26:11 · 5366 阅读 · 1 评论 -
tf.train.ExponentialMovingAverage
1. ExponentialMovingAverageSome training algorithms, such as GradientDescent and Momentum often benefit from maintaining a moving average of variables during optimization. Using the moving averages fo...转载 2018-06-28 22:38:41 · 977 阅读 · 0 评论 -
GAN用于半监督学习
概述GAN的发明者Ian Goodfellow2016年在Open AI任职期间发表了这篇论文,其中提到了GAN用于半监督学习(semi supervised)的方法。称为SSGAN。 作者给出了Theano+Lasagne实现。本文结合源码对这种方法的推导和实现进行讲解。1半监督学习考虑一个分类问题。 如果训练集中大部分样本没有标记类别,只有少部分样本有标记。则需要用半监督学习(semi-sup...转载 2018-06-18 11:53:20 · 1555 阅读 · 0 评论 -
手把手教你用GAN实现半监督学习(1)
引言本文主要介绍如何在tensorflow上仅使用200个带标签的mnist图像,实现在一万张测试图片上99%的测试精度,原理在于使用GAN做半监督学习。前文主要介绍一些原理部分,后文详细介绍代码及其实现原理。前文介绍比较简单,有基础的同学请掠过直接看第二部分,文章末尾给出了代码GitHub链接。对GAN不了解的同学可以查看微信公众号:机器学习算法全栈工程师 的GAN入门文章。本博客中的代码最终以...转载 2018-06-18 11:45:27 · 1415 阅读 · 1 评论 -
蒙特卡罗(Monte Carlo)方法简介
蒙特卡罗(Monte Carlo)方法,也称为计算机随机模拟方法,是一种基于"随机数"的计算方法。一 起源 这一方法源于美国在第二次世界大战进研制原子弹的"曼哈顿计划"。Monte Carlo方法创始人主要是这四位:Stanislaw Marcin Ulam, Enrico Fermi, John von Neumann(学计算机的肯定都认识这个牛人吧)和 Nicholas ...转载 2018-06-17 21:43:53 · 69601 阅读 · 4 评论 -
生成对抗网络综述:从架构到训练技巧
机器之心编译参与:路雪、刘晓坤、 蒋思源近日,帝国理工学院、蒙特利尔大学等研究机构共同发表论文并梳理了生成对抗网络,该论文从最基本的 GAN 架构及其变体到训练过程和训练技巧全面概述了生成对抗网络的概念、问题和解决方案。机器之心简要介绍了该论文。原 GAN(Goodfellow et al., 2014)的完整理论推导与 TensorFlow 实现请查看机器之心的 GitHub 项目与文章: GA...转载 2018-06-17 17:56:46 · 1266 阅读 · 0 评论 -
简单理解与实验生成对抗网络GAN(2)
引入Discriminative Model的繁荣发展最近,深度学习在很多领域的突破性进展想必不用我多说了。但大家似乎发现了这样的一个现实,即深度学习取得突破性进展的地方貌似都是discriminative的模型。所谓的discriminative可以简单的认为是分类问题,比如给一张图片,判断这张图片上有什么动物;再比如给定一段语音,判断这段语音所对应的文字。在discriminative的模型上...转载 2018-06-17 17:54:50 · 433 阅读 · 0 评论 -
简单理解与实验生成对抗网络GAN(含一个重要网址)(1)
之前GAN网络是近两年深度学习领域的新秀,火的不行,本文旨在浅显理解传统GAN,分享学习心得。现有GAN网络大多数代码实现使用python、torch等语言,这里,后面用matlab搭建一个简单的GAN网络,便于理解GAN原理。GAN的鼻祖之作是2014年NIPS一篇文章:Generative Adversarial Net,可以细细品味。分享一个目前各类GAN的一个论文整理集合再分享一个目前各类...转载 2018-06-17 16:51:23 · 648 阅读 · 0 评论 -
draw rectangle with CV2
import osimport cv2import numpy as npimport globimport randomimage_path = '/wgb_tensorflow/tfapi_vrep_detection531/11/1515530110_ang-55.png'neg_path = '/wgb_tensorflow/tfapi_vrep_detection531/1...原创 2018-05-31 17:23:43 · 540 阅读 · 0 评论 -
python(cv2) 求倾斜矩形(多边形)交集的面积(比)Jaccard
1.import cv2import numpy as npimage = cv2.imread('。。/Downloads/timg.jpeg')original_grasp_bboxes = np.array([[[361, 260.582 ], [301 ,315], [320 ,336],[380, 281.582]]], dtype = np.int32)predictio...原创 2018-06-07 15:06:27 · 5909 阅读 · 0 评论 -
python opencv多边形掩膜(Mask)
# coding=utf-8import numpy as npimport cv2image = cv2.imread("d:/bgs.jpg")b = np.array([[[100,100], [250,100], [300,220],[100,230]]], dtype = np.int32)im = np.zeros(image.shape[:2], dtype ...转载 2018-06-07 11:01:19 · 12894 阅读 · 6 评论 -
draw_bounding_box
import collectionsimport functools# Set headless-friendly backend.import matplotlib; matplotlib.use('Agg') # pylint: disable=multiple-statementsimport matplotlib.pyplot as plt # pylint: disable=...转载 2018-05-15 11:56:03 · 982 阅读 · 0 评论 -
Python图像处理库PIL的ImageDraw模块介绍
ImageDraw模块提供了图像对象的简单2D绘制。用户可以使用这个模块创建新的图像,注释或润饰已存在图像,为web应用实时产生各种图形。PIL中一个更高级绘图库见The aggdraw Module。一、ImageDraw模块的概念1、 Coordinates绘图接口使用和PIL一样的坐标系统,即(0,0)为左上角。2、 Colours为了指定颜色,用户可以使用数字或者元组,对应用户使用函数...转载 2018-05-17 11:33:18 · 41518 阅读 · 1 评论 -
高级形态学处理
形态学处理,除了最基本的膨胀、腐蚀、开/闭运算、黑/白帽处理外,还有一些更高级的运用,如凸包,连通区域标记,删除小块区域等。1、凸包凸包是指一个凸多边形,这个凸多边形将图片中所有的白色像素点都包含在内。函数为:skimage.morphology.convex_hull_image(image)输入为二值图像,输出一个逻辑二值图像。在凸包内的点为True, 否则为False例:import mat...转载 2018-04-25 18:16:40 · 1105 阅读 · 0 评论 -
OHEM,Batch Hard(识别乱入),Focal Loss
一些别人总结的Faster R-CNN后续改进: [目标检测] Faster R-CNN 深入理解 && 改进方法汇总 Faster R-CNN改进篇(一): ION ● HyperNet ● MS CNNTraining Region-based Object Detectors with Online Hard Example Mining最好先阅读之前博文: Tensorfl...转载 2018-04-23 20:08:49 · 700 阅读 · 0 评论