机器学习
文章平均质量分 93
07H_JH
阿里云高级工程师,专注于大数据与数据库领域
展开
-
相关博客
牛们的blog (人工智能与机器学习)国外人工智能界牛人主页以前转过一个计算机视觉领域内的牛人简介,现在转一个更宽范围内的牛人简介:http://people.cs.uchicago.edu/~niyogi/http://www.cs.uchicago.edu/people/http://pages.cs.wisc.edu/~jerryzhu/h转载 2014-07-07 11:08:48 · 900 阅读 · 0 评论 -
Fully Convolutional Networks for Semantic Segmentation(全卷积网络FCN)
可以看看:https://github.com/jinhang/fcn【论文信息】《Fully Convolutional Networks for Semantic Segmentation》CVPR 2015 best paperReference link: http://blog.csdn.NET/tangwei2014http://blog.c转载 2016-10-22 18:43:18 · 1247 阅读 · 0 评论 -
SSD: Single Shot MultiBox Detector
有参考:http://blog.csdn.net/u010167269/article/details/52563573SSD: Single Shot MultiBox DetectorBy Wei Liu, Dragomir Anguelov, Dumitru Erhan, Christian Szegedy, Scott Reed, Cheng原创 2016-10-22 18:39:22 · 3584 阅读 · 4 评论 -
CNN
分类: 30.Machine L & Deep Learning(11) 目录(?)[-] 通俗理解卷积神经网络cs231n与5月dl班课程笔记前言人工神经网络1 神经元2 激活函数3 神经网络卷积神经网络之层级结构CNN之卷积计算层1 什么是卷积2 图像上的卷积3 GIF动态卷积图CNN之激励层与池化层转载 2016-07-16 19:38:21 · 3630 阅读 · 1 评论 -
CNN与图像语义分割
级别1:DL快速上手级别2:从Caffe着手实践级别3:读paper,网络Train起来级别4:Demo跑起来读一些源码玩玩熟悉Caffe接口,写Demo这是硬功夫分析各层Layer输出特征级别5:何不自己搭个CNN玩玩Train CNN时关于数据集的一些注意事项级别6:加速吧,GPU编程关于语义分割的一些其它工作说好的要笔耕不缀,这开始一边实习一边找工作,转载 2016-06-19 14:57:56 · 4224 阅读 · 1 评论 -
训练集(train set) 验证集(validation set) 测试集(test set)
在有监督(supervise)的机器学习中,数据集常被分成2~3个,即:训练集(train set) 验证集(validation set) 测试集(test set)。http://blog.sina.com.cn/s/blog_4d2f6cf201000cjx.html一般需要将样本分成独立的三部分训练集(train set),验证集(validation set)和测试集(t转载 2016-06-29 17:41:57 · 1281 阅读 · 0 评论 -
rcnn、fast-rcnn和faster-rcnn
作者:铁胆火车侠链接:https://www.zhihu.com/question/35887527/answer/99689222来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。R-CNN:针对区域提取做CNN的object detction。<img src="https://pic1.zhimg.com/36bb2转载 2016-06-27 20:03:55 · 1048 阅读 · 0 评论 -
sift
简介SIFT算法是用来提取图像局部特征的经典算法,SIFT算法的实质是在不同的尺度空间上查找关键点(特征点),并计算出关键点的方向。SIFT所查找到的关键点是一些十分突出,不会因光照,仿射变换和噪音等因素而变化的点,如角点、边缘点、暗区的亮点及亮区的暗点等。 主要步骤1、构建DOG尺度空间2、关键点搜索和定位转载 2016-06-27 19:58:25 · 6716 阅读 · 0 评论 -
CNN
Convolutional Neural Network 卷积神经网络是基于人工神经网络提出的。人工神经网络模拟人的神经系统,由一定数量的神经元构成。在一个监督学习问题中,有一组训练数据(xi,yi),x是样本,y是label,把它们输入人工神经网络,会得到一个非线性的分类超平面hw,b(x),在这篇笔记中先梳理一下传统人工神经网络的基本概念,再基于传统人工神经网络简单介绍卷积神经网络。1转载 2016-06-27 19:57:09 · 2335 阅读 · 0 评论 -
Fast RCNN
Fast RCNN是加强版的SPPnet,SPPnet的细节可以参考这里,Fast RCNN相比于RCNN在时间和性能上都做了改进。它避免对一幅图片的多个proposal分别计算CNN特征(大量的重复计算),而是对整幅图提取CNN特征之后,再划分对应proposal,从而加提高了检测效率;同时对RCNN的pipeline方法做了一定整合,提升了检测性能。1 论文信息发表会议:I转载 2016-06-27 19:49:23 · 2133 阅读 · 0 评论 -
FCN
【论文信息】《Fully Convolutional Networks for Semantic Segmentation》CVPR 2015 best paperkey word: pixel level, fully supervised, CNN【方法简介】主要思路是把CNN改为FCN,输入一幅图像后直接在输出端得到dense prediction,也转载 2016-06-27 19:45:18 · 3381 阅读 · 0 评论 -
Google开源框架之MNIST入门
Google开源框架之MNIST入门本博客基于google开源框架tensorflow所做的笔记,便于以后参考。这段代码放在github中github/hadxu。介绍tensorflow入门MNIST2015年11月,google公司开源了人工智能框架Tensorflow,发布当天,其github就超过10k的star,可见nb程度。本人抱着学习的心态,入门一下该开源框架转载 2016-06-25 22:28:50 · 838 阅读 · 0 评论 -
vgg16模型进行图片预测
使用vgg16模型进行图片预测 #前面我们学习了使用cifra10来判断图片的类别,今天我们使用更加强大的已经训练好的模型来预测图片的类别,那就是vgg16,对应的供keras使用的模型人家已经帮我们训练好,我可不想卖肾来买一个gpu。。。 对应的模型在 ‘vgg16’ 可以下载。估计被墙了,附上链接(http://pan.baidu.com/s/1qX0CJSC) 附上我的git转载 2016-06-25 22:26:43 · 3992 阅读 · 0 评论 -
Recommender System
Data Sciece from Scratch 之 Recommender System有一段时间没有看这本书了,今天正好空闲时间将在线视频关于推荐系统学习一下,正好也将这本书关于推荐系统做一个笔记,希望对大家有用。首先是在线视频的笔记,该笔记来源于七月算法在线机器学习,其次介绍本书的推荐系统实现方式。在线课程笔记整理以上是在线学习课程的笔记,下面转载 2016-06-25 22:25:21 · 769 阅读 · 0 评论 -
朴素贝叶斯算法
我们来约定一下:S: 邮件为垃圾邮件的概率V: 邮件含有’viagra’词的概率贝叶斯会告诉我们已知这个邮件含有viagra词,判断为垃圾邮件的概率:假设垃圾邮件和非垃圾邮件的概率都是0.5,即:则通过上面的公式得到:假设50%的垃圾邮件中有‘vargra’,只有1%的非垃圾邮件中含有这个单词,问这个邮件是垃圾邮件的概率:转载 2016-06-25 22:24:27 · 1035 阅读 · 0 评论 -
机器学习
编程语言:搞实验个人认为当然matlab最灵活了(但是正版很贵),但是更为前途的是python(numpy+scipy+matplotlib)和C/C++,这样组合既可搞研究,也可搞商业开发,易用性不比matlab差,功能组合更为强大,个人认为,当然R和java也不错.1.机器学习开源软件网(收录了各种机器学习的各种编程语言学术与商业的开源软件)http://mloss.org转载 2014-08-07 23:07:47 · 758 阅读 · 0 评论 -
机器学习的四个层次
事实上有许多的途径可以了解机器学习,也有许多的资源例如书籍、公开课等可为所用,一些相关的比赛和工具也是你了解这个领域的好帮手。本文我将围绕这个话题,给出一些总结性的认识,并为你由程序员到机器学习高手的蜕变旅程中提供一些学习指引。机器学习的四个层次根据能力可以将学习过程分成四个阶段。这也是一个有助于我们将所有学习资源进行分类的好方法。初学阶段新手阶段中级阶段高级阶转载 2014-08-07 22:58:38 · 2140 阅读 · 0 评论 -
计算机视觉与图像处理、模式识别、机器学习学科之间的关系
在我的理解里,要实现计算机视觉必须有图像处理的帮助,而图像处理倚仗与模式识别的有效运用,而模式识别是人工智能领域的一个重要分支,人工智能与机器学习密不可分。纵观一切关系,发现计算机视觉的应用服务于机器学习。各个环节缺一不可,相辅相成。计算机视觉(computer vision),用计算机来模拟人的视觉机理获取和处理信息的能力。就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视转载 2014-07-07 10:58:09 · 1623 阅读 · 0 评论 -
PaddlePaddle
贾扬清深度学习(Deep Learning)、机器学习话题优秀回答者靖难 等 469 人赞同今天刚看到的,简单说一些第一印象(以目前的github repo为准)。整体的设计感觉和Caffe心有灵犀,同时解决了Caffe早期设计当中的一些问题(比如说default stream)。1. 很高质量的GPU代码2. 非常好的RNN设计3. 设计很干净,没有太原创 2016-10-22 18:59:21 · 4712 阅读 · 2 评论