- 博客(11)
- 资源 (89)
- 收藏
- 关注
转载 2018目标检测
原作者网站https://blog.csdn.net/u014380165/article/details/80784147 个人纪录纯粹为了学习方便,向原作者致敬。 根据CVPR2018自己笔记: 1、Cascaded RCNN 论文:Cascade R-CNN Delving into High Quality Object Detection 论文链接:https://arxi...
2018-08-27 17:23:48 866
原创 图像旋源代码
from PIL import Image im = Image.open(“C:/Users/admin/Desktop/P/0000001.jpg”) im.show im_rotate =im.rotate(45) im_rotate.show()首先建好一个数据_ud文件夹import PIL.Image as imgfrom PIL import Imagei...
2018-08-23 17:46:58 394
原创 yolov3训练自己数据教程
https://blog.csdn.net/Patrick_Lxc/article/details/80615433 https://blog.csdn.net/amusi1994/article/details/81042923#yolov3 https://github.com/experiencor/keras-yolo3/blob/master/README.md https://g...
2018-08-23 15:57:42 1009
原创 Julia1.0编程语言浅析
目前从网上得知Julia1.0这门语言是上升最热的语言,那么分析一门语言为什么会在短时间会很火爆,首先我们需要查看官方文档来理解基本特性:Julia 语言的官网:https://julialang.org/ Julia 语言项目地址:https://github.com/JuliaLang 通过阅读官方文档的方法和查阅网上资源来了解一门新技术是一种最快速的学习方法,当然如果作为研究人员可能要去...
2018-08-18 10:38:32 3278
原创 拜读为什么深度学习几乎成了计算机视觉研究的标配
这篇文章来自知乎,首先详细阅读了一下同时写入个人看法(个人拙见不代表学术观点) 图像识别->视频识别->场景识别->大规模场景识别->看图说话->看图生产视频...
2018-08-18 08:20:48 289
原创 请大家正视深度学习和人工智能技术的缺陷和传统技术的优缺点互补问题
首先我开始正视几个问题:以下个人心得并非事实(1)非科班出身本科生如果没有在大实验室系统学习数学建模和多元统计分析是没法从事深度学习一般不可取,深度学习编码量少,数学思维要求非常高。(2)计算机相关专业研一的占优势(3)计算机研三靠比赛和刷题进入大公司会身心疲劳,在相关行业实习过一年除外(4)博士从事深度学习需要耐心和静下心来做一个子方向最好出成果和应用方向做修改最容易上手 综合...
2018-08-07 11:37:23 3057
转载 计算机视觉处理的三大任务(待续)
计算机视觉处理的三大任务:分割、定位、检测 目前主要是通过ILSVBRC来作为评鉴标准,Classification+Localization Task,cls+bbox+seg+object Detection。对于实现终极目标检测一般采用的思路是:(1)将其理解为回归问题,但是问题是如果图像中的兴趣区域的目标个数不一样,要定位坐标数量也是不一样这就导致出现来分类问题中的多分类,这种多分类成了...
2018-08-04 19:10:59 1568
转载 强化学习
强化学习精要:在一个给定的条件下(例如识别一个灰度图)用来预测所显示的数字。这是一个非结构化的数字识别问题,从数字图像到模式识别然后使用动态规划技术实现强化学习目标。 使用keras上MLP模型迭代次数为数据量的1/10情况下打印loss和acc是一种最简单的模型 使用keras设计一个CNN一般情况是五层就能达到这个水平,相比多层感知机来说耗时间识别准确率比较高。 ...
2018-08-04 18:35:10 376
转载 学习ECCV2018旷视新移动端ShuffleNet v2模型
计算机视觉自从模式识别和数字图像处理融合后需要的理论交叉变成了对底层数学和物理这两种数字血液的应用。 由于我个人比较关注与目标检测和目标跟踪,前期在相关一个学习过程中需要了解对集成电路和逻辑运算器都要了解才能实现工业化生产。当然现在几大顶级公司都在开发行业定制版的SDK和塑造自己的开发和应用生态。首先我们应用理解的第一个问题是模型的应用场景。 任何一个模型有自己擅长的应...
2018-08-04 10:55:25 1633
转载 神经网络中常见错误问题
总结 andrej karpathy在神经网络中六种常见错误上的笔记学习(1)在使用大的数据集训练神经网络时候先使用小数据集测试排除一些常见错误,对于数据我们一一般会使用三种处理方法: min-batch SGD 将所有数据作为一个batch,这种做法能保证训练一个大的batch时候能够保证梯度朝着一个正确的梯度方向,但是大部分我们使用min-batch,然后调节...
2018-08-03 23:42:36 1914 1
Miniforge-pypy3-Linux-aarch64.sh
2020-07-20
exchange.7z
2020-05-21
gcc-10.1.0 .tar.gz
2020-05-19
深度学习matlab代码
2017-10-10
Deep Learning in Radiology: Recent Advances, Challenges and Future Trends
2017-07-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人