深度学习
文章平均质量分 62
xunan003
AI独角兽企业算法工程师
展开
-
Visual Studio 2019源码编译cpu版本onnxruntime
源码地址:gitee =》github =》原创 2023-08-18 15:34:02 · 1483 阅读 · 0 评论 -
一文理解Transformer整套流程
原因是:如果让“习”看到了后面的字,那么“习”字的编码就会发生变化。,也就是说在预测时无法看到之后的输入输出,但是在注意力机制当中,可以看到完整的输入(每一个词都要和其他词做点积,计算相关性),为了避免这种情况的发生,在解码器训练时,在预测t时刻的输出时,不应该能看到t时刻以后的输入。细心的同学可能已经发现了,上图中的Decoders后边加了个s,那就代表有多个编码器了呗,没错,这个编码模块里边,有很多小的编码器,一般情况下,Encoders里边有6个小编码器,同样的,Decoders里边有6个小解码器。原创 2023-04-11 11:50:46 · 8485 阅读 · 11 评论 -
源码发布:Identification of navel orange lesions by nonlinear deep learning algorithm
PENLU论文的代码实现原创 2022-12-14 18:27:00 · 116 阅读 · 0 评论 -
YOLACT onnx前向推理,包括后处理出图
yolact的基于onnx的前向推理和基于numpy的后处理原创 2022-11-11 20:25:54 · 334 阅读 · 0 评论 -
近50个航空影像数据集
原文链接:https://www.cnblogs.com/jeshy/p/14793363.html1. UAVDT(Unmanned Aerial Vehicle Benchmark Object Detection and Tracking) https://sites.google.com/view/grli-uavdt/2. UA-DETRAC(UA-DETRAC is a challenging real-world multi-object detection and multi-obje转载 2021-07-26 16:40:17 · 3589 阅读 · 0 评论 -
Improving Deep Neural Network with Multiple Parametric Exponential Linear Units(MPELU译文)
Improving Deep Neural Network with Multiple Parametric Exponential Linear Units翻译 2017-12-06 12:58:51 · 2361 阅读 · 0 评论 -
关于深度学习在生物学领域的应用分析
深度学习 生物 医药 应用原创 2017-12-18 19:52:56 · 23856 阅读 · 1 评论 -
几个好中的计算机类EI源刊
根据多年的经验,以下计算机EI源刊可以说是百发百中(只要有工作量,并不需要什么创新性均可录用):Journal of Computers (JCP, ISSN 1796-203X),Journal of Networks (JNW, ISSN 1796-2056),Journal of Software (JSW, ISSN 1796-217X).Journal of Computational ...转载 2018-05-23 20:30:45 · 31703 阅读 · 2 评论 -
DL序列训练中的Temporal和torch框架中的nn包解释
Temporal Modules用于处理序列信号,如声音,句子(自然语言处理常用)等。会有inputframe(共有多少帧)和inputframesize(一帧有多少维度表示)kernel都是一维的TemporalConvolution简单来说就是kernel是一维的。input tensor中每一个数字对应一个weight。module = nn.TemporalConvolution(in...转载 2018-07-12 09:29:05 · 1368 阅读 · 0 评论 -
简单理解与实验生成对抗网络GAN
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...转载 2018-11-09 19:46:39 · 828 阅读 · 0 评论 -
darknet-yolov3转caffemodel
下载https://github.com/ChenYingpeng/caffe-yolov31. 修改CMakeLists.txt主要修改交叉编译器为x86_64编译,修改自己的caffe路径(其中caffe.proto中增加upsample层),修改自己的opencv路径cmake_minimum_required(VERSION 2.8)project(sysDetectSpe...原创 2019-06-27 18:37:25 · 4456 阅读 · 5 评论 -
CNN中各层计算量MACC和FLOPs的计算方式
注: 1. ReLU和Pool层计算FLOPs,而conv层、FC层、Depthwise-conv层计算MACC数; 2. 区分FLOPS和FLOPs的区别, FLOPS:注意全大写,是floating point operations per second的缩写,意指每秒浮点运算次数,理解为计算速度。是一个衡量硬件性能的指标。...原创 2019-07-12 17:23:35 · 16552 阅读 · 2 评论 -
darknet源码解读-load_image_color
image load_image_color(char *filename, int w, int h){ return load_image(filename, w, h, 3);}image load_image(char *filename, int w, int h, int c){#ifdef OPENCV image out = load_image...转载 2019-07-05 15:05:20 · 956 阅读 · 0 评论 -
从零开始搭建 ResNet 之 残差网络(持续更新)
点击打开链接(1)点击打开链接(2)点击打开链接(3)转载 2017-06-14 10:00:04 · 3672 阅读 · 0 评论 -
根据 *_train_test.prototxt文件生成 *_deploy.prototxt文件
原文链接:http://blog.csdn.net/u010417185/article/details/52137825本文参考博文(1)介绍 *_train_test.prototxt文件与 *_deploy.prototxt文件的不同:http://blog.csdn.NET/sunshine_in_moon/article/details/49472901 (2)生成转载 2017-07-13 21:44:31 · 382 阅读 · 0 评论 -
图像处理之积分图应用二(快速边缘保留滤波算法)
图像处理之积分图应用二(快速边缘保留滤波算法)一:基本原理传统的图像边缘保留滤波算法-如高斯双边模糊、Mean-Shift模糊等计算复杂、效率比较低,虽然有各种手段优化或者快速计算方法,当时算法相对一般码农来说理解起来比较费劲,不是一个的选择,而通过积分图像实现局部均方差的边缘保留模糊算法,计算简单而且可以做到计算量跟半径无关、跟上面提到两种边缘保留滤波(EPF)算法效率高转载 2017-03-27 21:17:07 · 1585 阅读 · 0 评论 -
整理:深度学习 vs 机器学习 vs 模式识别
本文我们来关注下三个非常相关的概念(深度学习、机器学习和模式识别),以及他们与2015年最热门的科技主题(机器人和人工智能)的联系。 图1 人工智能并非将人放入一台计算机中(图片来源于 WorkFusion 的博客)环绕四周,你会发现不缺乏一些初创的高科技公司招聘机器学习专家的岗位。而其中只有一小部分需要深度学习专家。我敢打赌,大多数初创公司都可以从最基本的数据分析转载 2017-03-27 21:18:44 · 465 阅读 · 0 评论 -
深度学习综述
深度学习综述1.深度学习深度学习是为了能够得到有助于理解图片、声音、文本等的数据所表述的意义而进行的多层次的表示和抽取的学习。例如,给定一张图片(包含许多黄色的郁金香), 大脑做出的反应是:“许多黄色的郁金香。”同样的图片,输入到计算机中,是描述图片的最原始数据,那就是用向量表示的像素. 用简单的机器学习,例如用含2个或3个隐含层的神经网络,是不可能达到与人类类似的判别决策转载 2017-03-27 21:21:18 · 1996 阅读 · 0 评论 -
Tensorflow一些常用基本概念与函数
摘要:本系列主要对tf的一些常用概念与方法进行描述。本文主要针对tensorflow的模型训练Training与测试Testing等相关函数进行讲解。为‘Tensorflow一些常用基本概念与函数’系列之四。1、序言本文所讲的内容主要为以下列表中相关函数。函数training()通过梯度下降法为最小化损失函数增加了相关的优化操作,在训练过程中,先实例化一个优化函数,比如 tf.转载 2017-03-28 17:51:20 · 824 阅读 · 0 评论 -
深入理解Caffe MNIST DEMO中的LeNet网络模型
目录1. 初见LeNet原始模型2. Caffe LeNet的网络结构3. 逐层理解Caffe LeNet3.1 Data Layer3.2 Conv1 Layer3.3 Pool1 Layer3.4 Conv2 Layer3.5 Pool2 Layer3.6 Ip1 Layer3.7 Relu1 Layer3.8 Ip2 Layer3.9 Loss Layer4. Caffe转载 2017-04-01 20:28:13 · 1209 阅读 · 0 评论 -
CNN的反向传播推导与理解
参考与说明本文主要是通过阅读相关论文和一些辅助的博文来理解卷积神经网络里面的反向传播算法;相关的论文可以查看Notes on Convolutional Neural Networks, Jake Bouvrie准备工作首先呢,我们还是先回顾下在深度学习里面的反向传播算法的公式,损失函数为C=12∥y−aL∥2=12∑j(yj−aLj)2公式如下 关于转载 2017-04-29 20:45:58 · 2999 阅读 · 1 评论 -
ubuntu14.04环境下配置caffe
1. 安装build-essentials安装开发所需要的一些基本包[html] view plain copy sudo apt-get install build-essential 如果出现essential包不可用的情况,可以执行下列命令解决:[html] view plain原创 2017-03-30 16:26:55 · 704 阅读 · 0 评论 -
【深度学习】caffe中那些layers
原文链接:http://blog.csdn.net/tracer9/article/details/504569860. 引子自从半年前开始进入418实验室研究深度学习,可以说caffe这一深度学习开源框架,一直伴随着我。经过了大半年的学习,虽然还有许多东西尚待完善,但起码对于caffe已经有了一个比较感性的认识。互联网上,关于深度学习和caffe的资料汗牛充栋,但质量往往参差转载 2017-06-04 21:46:31 · 1425 阅读 · 0 评论 -
基于深度学习的目标检测的研究进展1
原文链接:http://www.aihot.net/tutorial/deeplearning/3430.html 开始本文内容之前,我们先来看一下上边左侧的这张图,从图中你看到了什么物体?他们在什么位置?这还不简单,图中有一个猫和一个人,具体的位置就是上图右侧图像两个边框(bounding-box)所在的位置。其实刚刚的这个过程就是目标检测,目标检测就是“给定一张图像或者转载 2017-06-30 11:00:48 · 1179 阅读 · 0 评论 -
基于深度学习的目标检测的研究进展2
原文链接:http://www.cnblogs.com/gujianhan/p/6035514.html 普通的深度学习监督算法主要是用来做分类,如图1(1)所示,分类的目标是要识别出图中所示是一只猫。而在ILSVRC(ImageNet Large Scale Visual Recognition Challenge)竞赛以及实际的应用中,还包括目标定位和目标检测等任务。其中目标转载 2017-06-30 20:59:32 · 1033 阅读 · 0 评论 -
用训练好的caffemodel来进行分类
原帖地址:http://www.cnblogs.com/denny402/p/5111018.htmlcaffe程序自带有一张小猫图片,存放路径为caffe根目录下的 examples/images/cat.jpg, 如果我们想用一个训练好的caffemodel来对这张图片进行分类,那该怎么办呢? 如果不用这张小猫图片,换一张别的图片,又该怎么办呢?如果学会了小猫图片的分类,那么换成其它图转载 2017-06-12 16:54:46 · 657 阅读 · 0 评论 -
caffe之利用mnist数据集训练好的lenet_iter_10000.caffemodel模型测试一张自己的手写体数字
一、前沿 写这篇博文,是因为一开始在做《21天学习caffe》第6天6.4练习题1的时候看着自己搜索的博文,在不理解其根本的情况下做的,结果显然是错的。在接下来阅读完源代码之后,在第10天学习完caffe model zoo之后,明白了其中原理,反过来再去做那个习题,一开始在网上搜索并没有完完整整解释整个过程的一篇博文,而是写的不知所云,本着我们初学者互相共享的精神,也方便自己查原创 2017-06-13 12:36:45 · 8719 阅读 · 4 评论 -
深度学习之Ubuntu下安装caffe和TensorFlow的cpu版本
去年下半年看了相关目标检测的论文,一些传统的算法,一些CVPR,TPAMI,ECCV,ICCV,,NIPS,比较前沿的进展,主要都是基于深度学习卷积神经网络方面的,包括RCNN,SPP-NET,Fast-RCNN,Faster-RCNN,以及YOLO,SSD,然后明天准备正式开始搞学术了,争取早点把论文发出来。趁着放假回家的时间,做点前期准备工作,深度学习方面的框架有caffe,torch转载 2017-03-27 21:14:51 · 1192 阅读 · 0 评论