人工神经网络
文章平均质量分 83
当下最火热的AI,我们需要一步一步揭开它的面纱,从0开始,我们一起学习人工智能的相关知识。
ESOO
君子不器
展开
-
Object Detection (5)Faster RCNN Keras 发布为api
目录 Object Detection (1)VOC2007数据集制作 Object Detection (2)Faster RCNN详解 Object Detection (3)Faster RCNN Keras 原理+代码 第一部分 Object Detection (4)Faster RCNN Keras 原理+代码 第二部分...原创 2018-07-31 12:55:24 · 1851 阅读 · 1 评论 -
Object Detection (4)Faster RCNN Keras 原理+代码 第二部分
目录 Object Detection (1)VOC2007数据集制作 Object Detection (2)Faster RCNN详解 Object Detection (3)Faster RCNN Keras 原理+代码 第一部分 Object Detection (4)Faster RCNN Keras 原理+代码 第二部分...转载 2018-07-31 12:46:56 · 1948 阅读 · 1 评论 -
Object Detection (3)Faster RCNN Keras 原理+代码 第一部分
目录 Object Detection (1)VOC2007数据集制作 Object Detection (2)Faster RCNN详解 Object Detection (3)Faster RCNN Keras 原理+代码 第一部分 Object Detection (4)Faster RCNN Keras 原理+代码 第二部分...转载 2018-07-31 12:43:12 · 3101 阅读 · 6 评论 -
Object Detection (2)Faster RCNN详解
目录 Object Detection (1)VOC2007数据集制作 Object Detection (2)Faster RCNN详解 Object Detection (3)Faster RCNN Keras 原理+代码 第一部分 Object Detection (4)Faster RCNN Keras 原理+代码 第二部分...转载 2018-07-31 12:35:24 · 2873 阅读 · 1 评论 -
Object Detection (1)VOC2007数据集制作
目录 Object Detection (1)VOC2007数据集制作 Object Detection (2)Faster RCNN详解 Object Detection (3)Faster RCNN Keras 原理+代码 第一部分 Object Detection (4)Faster RCNN Keras 原理+代码 第二部分...原创 2018-07-31 11:12:45 · 2271 阅读 · 0 评论 -
TensorFlow - FaceNet人脸登陆 (Python-Web )小例子
最近一直想做一个人脸识别登陆的demo,正在在网上看到了一个facenet的例子,使用python实现,但是来非常简单,仅仅是封装了tensorflow的过程,在这个基础之上,我进行了html的前台封装,方便大家引入到自己的项目中。 FaceNet: FaceNet的思路是将人脸图像编码成128维的向量,然后用这128维向量来代表一个人。这就类似于我们的身份证号码,每一个人都...原创 2018-07-18 17:36:41 · 5052 阅读 · 6 评论 -
AIML应答机器人(二)java实现
想做一款和上图一样的自动应答机器人吗,跟着博客,咱们一步步实现,现在开始第二个内容,开始做一个java版的聊天程序本文源码地址:https://github.com/xvshu/alice_bot源码入口:AIML工厂:AliceBotMother/*Copyleft (C) 2005 Hélio Perroni [email protected]: 2490863Th...原创 2018-07-09 17:15:03 · 6081 阅读 · 3 评论 -
AIML应答机器人(一)aiml简介
想做一款和上图一样的自动应答机器人吗,跟着博客,咱们一步步实现,现在开始第一个内容,简单了解下什么是AIML语言AIMLAIML:人工智能标记语言(Artificial Intelligence Markup Language)AIML(人工智能标记语言)是一种XML兼容的语言,很容易学习,并且可以开始定制艾尔博特(Alicebot)或分分钟创建一个scratch机器人。AIML最重要的单元有:开...原创 2018-07-09 16:52:33 · 17119 阅读 · 0 评论 -
人工智能小例子(一)keras模拟一元方程
最近有网友反应,直接上人脸识别的例子有些跨度大,现在将我实验中的一个小例子公布给大家,纯做入门使用题目:有函数y = 0.5*x + 2在此函数基础上,增加绝对值不超过0.05的扰动,利用keras进行函数拟合预期结果:y=a1*x+a2a1接近0.5, a2接近2,则拟合成功思路:1,生成训练数据2,搭建keras3,训练4,输出结果根据题目函数,一个全连接层即可预测,dense层的激活函数正好原创 2018-01-10 17:34:41 · 6061 阅读 · 1 评论 -
人工智能小例子(二)-基于keras+openCV的人脸识别
目前keras是对人工智能来说,入门比较好的一款中间件,屏蔽了很多参数配置和实现细节,直接一层层进行网络搭建就可以。最近一直在学习相关知识,但是一直也没有啥实用的功能出现,在网上有个例子,一下子就吸引住了我,使用keras迅速搭建一套人工智能系统,输入自己的照片和他人照片,训练其识别出自己,然后使用摄像头验证。废话不多说,先上结果图:是不是很6,其实实现起来还是依赖了很多网上的大牛,现在跟着我,咱原创 2017-12-21 14:26:09 · 15093 阅读 · 28 评论 -
opencv实时识别指定物体
一. 引入 opencv人脸识别大家应该都听说过,本篇目的是利用opencv从视频帧中识别指定的物体,并框出来,且可以保存截取到的物体图片,会将整个流程都讲一下,包括训练自己的分类器,使用训练好的分类器进行识别。这里以识别舌头为例。二. 环境: 1. python 3.6.3 2. opencv 3.4.0三. 训练自己的分类器1. 注意点:训练集分为正样本,负样本,样本全部转载 2018-04-19 15:18:56 · 40331 阅读 · 7 评论 -
人工智能浅谈
先从回归(Regression)问题说起。我在本吧已经看到不少人提到如果想实现强AI,就必须让机器学会观察并总结规律的言论。具体地说,要让机器观察什么是圆的,什么是方的,区分各种颜色和形状,然后根据这些特征对某种事物进行分类或预测。其实这就是回归问题。 如何解决回归问题?我们用眼睛看到某样东西,可以一下子看出它的一些基本特征。可是计算机呢?它看到的只是一堆数字而已,因此要让机器从事物的特征中找到规转载 2017-11-23 17:48:14 · 1679 阅读 · 3 评论 -
人工神经网络基础数学研究-卷积
引子因研究兴趣不在图像处理,所以对图像中的『卷积』操作未做深入思考,直到某天,灵光一闪,我突然意识到图像『卷积』应该可以和『信号处理』联系起来更进一步图像卷积的本质,是提取图像不同『频段』的特征然而放眼望去,市面上大谈特谈『卷积』的文章,各种雷同,互相『借鉴』,都是在讲解卷积的不同方式、卷积的参数共享、卷积的具体操作、卷积在图像上的效果,竟鲜有一篇像样的文章,真正触及『卷积』的本质、探索『卷积』和转载 2017-12-06 16:47:48 · 1017 阅读 · 0 评论 -
人工神经网络(六)线性回归与分类, 解决与区别
机器学习可以解决很多问题,其中最为重要的两个是 回归与分类。 这两个问题怎么解决, 它们之间又有什么区别呢? 以下举几个简单的例子,以给大家一个概念1. 线性回归回归分析常用于分析两个变量X和Y 之间的关系。 比如 X=房子大小 和 Y=房价 之间的关系, X=(公园人流量,公园门票票价) 与 Y=(公园收入) 之间的关系等等。那么你的数据点在图上可以这么看现在你想找到 房子大小和房价的关系, 也转载 2017-11-23 16:16:23 · 11052 阅读 · 0 评论 -
人工神经网络(五)梯度下降法
在解决了线性求解问题之后,我们开始挑战更复杂的问题,开始研究非线性划分的问题,类似求解异或问题这样,而解决这类问题,我们先要学习一个概念,就是梯度下降(Gradient Descent),这个方法是解决机器学习领域最常采用的方法之一。梯度在微积分里面,对多元函数的参数求∂偏导数,把求得的各个参数的偏导数以向量的形式写出来,就是梯度。比如函数f(x,y), 分别对x,y求偏导数,求得的梯度向量就是(∂原创 2017-10-23 19:58:58 · 1415 阅读 · 0 评论 -
人工神经网络(四)感知器学习规则推导
目前我们接触到的感知器学习规则,数学建模之后,我们知道如何调整权值,使得感知器的切分符合我们的预期输入,下面我们就用一个小推导,看看感知器是如何进行权值调整的:理论判定边界 判定边界由那些使得净输入n为零的输入向量确定: n=1WTP+b=w1,1p1+w1,2p2+b 为了使该实例更加具体,现将权值和偏置值设置为: w1,1=1,w1,2=1,b=-1 那么原创 2017-10-20 13:15:51 · 5516 阅读 · 1 评论 -
人工神经网络(三)单层感知器代码实现
上篇文章,我们介绍了什么是单层感知器,这节课,我们来看看如果用代码实现一个单层感知器实验问题:假设平面坐标系上有三个点(3,3),(4,3)这两个坐标点的标签为 1 ,(1,1) 这个坐标的标签为-1 ,构建神经网络来分类思路:二维数据,需要两个数据点,将神经元偏置设置成另一个输入点,一共需要三个输入点 输入数据:(1,3,3),(1,4,3),(1,1,1) 数据对应标签为(1,1,-1)原创 2017-10-19 21:19:12 · 2978 阅读 · 0 评论 -
人工神经网络(二)单层感知器
单层感知器能够用来模拟逻辑函数,例如逻辑非NOT、逻辑或非XOR、逻辑或OR、逻辑与AND和逻辑与非NAND等,但是不能用来模拟逻辑异或XOR(对于这个函数,必须用两层神经元)。稍后将讨论这个问题。除了输入之外,偏置(bias)也经常被用于每个神经元,它在通过转换函数之前被加到输入的加权和上。权值也经常被应用于偏置上。偏置决定了多少输入激活(输入的加权和)才能激发神经元进入兴奋状态。偏置往往被设定为1,而偏置的权值原创 2017-10-18 11:06:17 · 4735 阅读 · 0 评论 -
人工神经网络(一)概述
机器最初被发明是为了服务人类,做人不擅长的事情,比如规律性,重复复杂运算,从第一代计算机诞生到现在,这个功能一次次提升,现在计算机核心部件cpu,在普通家用方面,比如i5-6600四个核心的计算能力大概在20gflops.,也就是每秒200亿次浮点运算,这是人类不能羡慕的一个能力,但是,机器依然限制在机械性运算上,人类发明的这个 [“脑”] 一直希望成为真正的 [“类人脑”] ,在生物领域不断突破的前提下,我们破译人原创 2017-10-18 10:13:19 · 8760 阅读 · 0 评论