深度学习算法
文章平均质量分 93
老三是只猫
坚持不断的学习
展开
-
Siamese Network(孪生网络)
模型结构上图是孪生网络的简单模型结构,思路很简单,就是输入两个样本到同样的网络(参数结构相同),最后计算两个网络输出的距离,如果距离较近就认为是同一类,较远就认为是不同的类别,在这里,我们可以使用两个同样参数的CNN,利用CNN从图像中提取特征。注意这里必须是同样的CNN,不然两个不同的CNN,即使输入相同,输出也可能认为两者不同。损失函数 Constrastive loss Triplet loss Softmax loss 其他损失函数:比如co...原创 2021-10-28 22:49:03 · 9832 阅读 · 1 评论 -
keras参数调优
keras参数调优本文主要想为大家介绍如何使用sklearn网格搜索功能,并给出一套代码示例。下文所涉及的议题列表:如何在scikit-learn模型中使用Keras。如何在scikit-learn模型中使用网格搜索。如何调优批尺寸和训练epochs。如何调优优化算法。如何调优学习率和动量因子。如何确定网络权值初始值。如何选择神经元激活函数。如何调优Dropou...原创 2019-07-11 16:36:33 · 1055 阅读 · 0 评论 -
kears-LSTM时间序列(三)
from pandas import DataFramefrom pandas import Seriesfrom pandas import concatfrom pandas import read_csvfrom pandas import datetimefrom sklearn.metrics import mean_squared_errorfrom sklearn.pre...原创 2019-07-11 15:08:09 · 312 阅读 · 0 评论 -
keras实战-卷积神经网络图片分类-猫狗数据
from keras.datasets import mnistfrom keras.utils import np_utils #convert int labels to one-hot vectorfrom keras.layers import Dense,Conv2D,MaxPooling2D,Flattenfrom keras.models import Sequential...原创 2019-07-05 14:13:26 · 1762 阅读 · 0 评论 -
Keras 基础学习(二) --ImageDataGenerator()
keras基础学习 ImageDataGenerator()图片读取ImageDataGenerator()ImageDataGenerator()是keras.preprocessing.image模块中的图片生成器,同时也可以在batch中对数据进行管理,扩充数据集大小,增强模型的泛化能力,比如进行旋转,变形,归一化处理等keras.preprocessing.image.ImageDa...原创 2019-07-05 10:56:53 · 735 阅读 · 0 评论 -
Keras 基础学习 I Sequential Model
keras介绍keras是一个深度学习的高级API接口,有python实现,支持tensorflow,theano作为后端,最近keras也成为tensorflow的官方高级API,因此和tensorflow的适配性更好了。keras支持简介的快速的原型设计,支持CNN和RNN,无缝CPU和GPU切换。此外keras模型也能直接转为coreML模型应用在iOS设备上如果你熟悉深度学习基本概念,...原创 2019-07-05 10:19:54 · 256 阅读 · 0 评论 -
Keras 实战: 复现 LeNet
keras复现LeNet具体结构如下:conv + subsampling + conv + subsampling + fully connected具体解释下LeNet-5结构, 一共是7层,除去输入层实际上是7个feature map。1:Input32 * 32 * 1 的灰度图像,输入前做归一化处理2:C1卷积层输入:32 * 32 * 1卷积核大小为 5,步长 1卷...转载 2019-07-05 09:30:24 · 583 阅读 · 0 评论 -
机器学习笔记-神经网络中激活函数(activation function)对比--Sigmoid、ReLu,tanh
为什么激活函数是非线性的?如果不用激励函数(相当于激励函数是f(x)=x),在这种情况下,每一层的输出都是上一层的线性函数,无论神经网络有多少层,输出都是输入的线性...转载 2019-07-04 11:12:12 · 5321 阅读 · 0 评论 -
keras实战-多标签分类-详细教程
前面一篇Keras 基础学习的文章说的是多分类问题,稍微提及了如果一个样本属于多个类,比如在CelebA数据集中一张人脸照片是椭圆形的,戴眼镜的… 这个时候样本的label标注是multi-hot-encoding的,也就是会出现多个标签1。如[0,1,1,0], 1代表属性出现,0代表属性不出现。当然其实这种问题也可以分解为多个二分类/多分类问题,比如人脸形状训练一个模型,有无戴眼镜训练一个模型...原创 2019-07-09 17:52:16 · 2308 阅读 · 1 评论 -
keras-两个实际任务掌握图像分类-交通标志以及发票种类识别
交通标志数据预处理这里下载数据集。值得注意的是,原始数据集的图像格式为PPM格式,这是一种比较老的图片保存格式,为了解决这个问题,我用opencv重新将这些图片转换为PNG格式,这样子我们就可以很直观的看到数据图片了。转换脚本## translate ppm image to png imageimport cv2import osORIGINAL_TRAIN_PATH = '...原创 2019-07-09 12:14:40 · 569 阅读 · 2 评论 -
lstm-forecast-最经典案例
# -*- coding: utf-8 -*-"""Created on 2019/5/21 23:32@Author: Johnson@Email:593956670@qq.com@File: LSTM_forecast.py"""# -*- coding: utf-8 -*-import numpy as npimport matplotlib.pyplot as plt...原创 2019-07-30 10:16:09 · 629 阅读 · 0 评论 -
深度学习中的batch_size,iterations,epochs等概念的理解
1.batch_size深度学习的优化算法,用大白话来说其实主要就是梯度下降算法,而每次的参数权重更新主要有两种方法。(1)遍历全部数据集算一次损失函数,然后算函数对各个参数的梯度,更新梯度这种方法每更新一次参数都要把数据集里的所有样本都看一遍,计算量开销大,计算速度慢,不支持在线学习,这称为Batch gradient descent,批梯度下降。(2)stochastic gradie...转载 2019-07-11 16:40:14 · 543 阅读 · 0 评论 -
keras-cnn经典案例
# coding:utf-8''' GPU run command: THEANO_FLAGS=mode=FAST_RUN,device=gpu,floatX=float32 python cnn.py CPU run command: python cnn.py'''# 导入各种用到的模块组件from __future__ import ...原创 2019-07-30 11:01:25 · 835 阅读 · 0 评论 -
深度学习最全优化方法总结比较(SGD,Adagrad,Adadelta,Adam,Adamax,Nadam)
https://mp.weixin.qq.com/s/4ofgXmpFIen_Z7Qf6MEMeA原创 2019-09-10 14:08:45 · 247 阅读 · 0 评论 -
keras模型部署
keras模型部署 https://blog.csdn.net/ZWX2445205419/article/details/91820112原创 2019-07-26 15:15:28 · 654 阅读 · 0 评论 -
keras-迁移学习
https://blog.csdn.net/baimafujinji/article/details/80743814原创 2019-07-31 15:09:43 · 254 阅读 · 0 评论 -
AlexNet-基于keras训练猫狗分类
统共分为8层,前五层为卷积层,后三层为全连接层。前五层卷积层分别为:(96,(11,11)),(256,(5,5)),(384,(3,3)),(384,(3,3)),(256,(3,3))# -*- coding: utf-8 -*-"""Created on Tue Jan 9 18:30:55 2018@author: lenovoAlexNet""" from kera...原创 2019-07-31 10:31:57 · 1037 阅读 · 0 评论 -
keras-VGG19
#coding=utf-8from keras.models import Sequentialfrom keras.layers import Dense,Flatten,Dropoutfrom keras.layers.convolutional import Conv2D,MaxPooling2Dimport numpy as npseed = 7np.random.seed(...原创 2019-07-31 10:30:08 · 753 阅读 · 0 评论 -
keras-VGG16模型
import timefrom keras.applications.imagenet_utils import preprocess_input, decode_predictionsfrom keras.layers import Dropout, Flatten, Densefrom keras.layers.convolutional import Convolution2D,Max...原创 2019-07-31 09:56:45 · 475 阅读 · 0 评论 -
keras实战-猫狗数据-VGG16
# -*- coding: utf-8 -*-"""Created on 2019/7/30 19:31@Author: Johnson@Email:593956670@qq.com@File: catvsdog-02.py"""import osimport numpy as npfrom keras.models import Sequential,Modelfrom ke...原创 2019-07-31 09:18:52 · 327 阅读 · 0 评论 -
keras-人脸分类
# -*- coding: utf-8 -*-"""Created on 2019/5/21 14:37@Author: Johnson@Email:593956670@qq.com@File: face_reco01.py"""import osimport cv2import numpy as npfrom sklearn.model_selection import t...原创 2019-07-30 13:51:43 · 291 阅读 · 0 评论 -
MTCNN配置及训练详细步骤
配置环境为win7 64位,主要完成的任务是用MTCNN完成人脸检测,即使用目标检测框将图像中的人脸框出来,配置过程如下:1、环境配置安装anaconda进入官网: https://www.anaconda.com/download/ 根据python版本下载安装相应的anaconda即可安装Microsoft Visual Studio 2013注意此处一定要安装2013版方便后面...转载 2019-07-03 14:03:19 · 3469 阅读 · 0 评论 -
基于级联卷积神经网络(DCNN)的人脸特征点定位
基于级联卷积神经网络的人脸特征点定位原文地址:http://blog.csdn.net/hjimce/article/details/49955149作者:hjimce一、相关理论本篇博文主要讲解2013年CVPR的一篇利用深度学习做人脸特征点定位的经典paper:《Deep Convolutional Network Cascade for Facial Point Detection》,论文的...转载 2019-07-02 14:29:01 · 3417 阅读 · 0 评论 -
人脸关键点检测总结
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u013948010/article/details/80520540人脸关键点检测也称为人脸关键点检测、定位或者人脸对齐,是指给定人脸图像,定位出人脸面部的关键区域位置,包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓等。人脸关键点检测方法大致分为三种: - ...转载 2019-07-02 10:57:20 · 1837 阅读 · 0 评论 -
深度学习知识总结篇(长期更新)
[深度学习] 超参数设定和网络训练原创 2019-05-29 09:31:37 · 250 阅读 · 0 评论 -
[深度学习] 超参数设定和网络训练
超参数设定介绍一些重要的网络设计过程中的超参数设定技巧和训练技巧,如学习率,批规范化操作和网络优化化策略的选择。网络超参数的设定网络超参数设定在搭建整个网络架构之前,需首先指定与网络结构相关的各项超参数:输入图像像素,卷积层个数,卷积核相关参数。输入数据像素大小使用卷积神经网络处理图像问题时,对不同输入图像为得到同规格输出,同时便于GPU运行,会将图像压缩到2222222222 ...转载 2019-05-29 09:30:15 · 609 阅读 · 0 评论 -
[深度学习] 激活函数
激活函数又称“非线性映射函数”,是深度卷积神经网络中不可或缺的模块。可以说,深度网络模型强大的表示能力大部分便是由激活函数的非线性单元带来的。这部分共介绍7个激活函数:Sigmoid函数,tanh函数,Relu函数,Leaky Relu函数,参数化Relu,随机化Relu和指数化线性单元(ELU)。Sigmoid型函数sigmoid函数也称Logistic函数:σ(x)=11+exp(−x)...转载 2019-05-29 09:23:49 · 236 阅读 · 0 评论 -
图像处理-OCR技术文章
OCR技术系列文章,*** https://www.cnblogs.com/skyfsm/default.html?page=1原创 2019-06-12 16:44:30 · 207 阅读 · 0 评论 -
图像处理-目标检测
深度学习目标检测之——YOLO-v3目标检测(windows端调用)原创 2019-06-12 15:43:13 · 456 阅读 · 0 评论 -
基于TensorFlow的Cats vs. Dogs(猫狗大战)实现和详解(2)
更新完整Github代码:https://github.com/maples1993/Cats_vs_Dogs2. 卷积神经网络模型的构造——model.py 关于神经网络模型不想说太多,视频中使用的模型是仿照TensorFlow的官方例程cifar-10的网络结构来写的。就是两个卷积层(每个卷积层后加一个池化层),两个全连接层,最后一个softmax输出分类结果。import ten...转载 2019-05-26 10:48:15 · 769 阅读 · 0 评论 -
图像处理-人脸识别
本篇文章主要包含了关于人脸相关的知识。原创 2019-05-30 16:39:54 · 2238 阅读 · 0 评论 -
Tensorflow知识总结篇(长期更新)
深度学习教程-网页链接CNN网络结构演变历程,包含keras源码深度学习教程-github链接深度学习-人脸检测深度学习-人脸识别深度学习-OCRTensorflow问题总结...原创 2019-05-21 10:53:48 · 270 阅读 · 0 评论 -
keras知识总结篇(长期更新)
CNN网络结构演变历程,包含keras源码原创 2019-05-21 10:50:04 · 619 阅读 · 0 评论 -
人脸性别和年龄识别
本文是对age-gender-estimation项目的详细讲解,它给出了使用keras进行性别和年龄识别的完整流程。数据采用的数据集为imdb-wiki,这是一个包含 20,284名人的460,723张以及维基百科上imdb的 ...转载 2019-05-29 19:56:33 · 393 阅读 · 0 评论 -
时下流行的深度学习数据标注工具
本文将标注工具适用的最佳运行环境分成了三类。windowshttps://github.com/imistyrain/MRLabeler:如果只在windows下用的话首推我的工具,上手快,有校验脚本,可大大减轻工作量https://github...转载 2019-06-03 09:20:36 · 1059 阅读 · 1 评论 -
图片质量判断总结
质量判断质量判断指标,可通过人脸检测接口,基于以下字段和对应阈值,进行质量检测的判断,以保证人脸质量符合后续业务操作要求。指标 字段与解释 推荐数值界限主要包含如下特征:遮挡范围occlusion(0~1),0为无遮挡,1是完全遮挡,含有多个具体子字段,表示脸部多个部位,通常用作判断头发、墨镜、口罩等遮挡left_eye : 0.6, #左眼被遮挡的阈值right_eye : 0.6,...原创 2019-06-11 22:08:48 · 633 阅读 · 0 评论 -
解读 Keras 在 ImageNet 中的应用:详解 5 种主要的图像识别模型
摘要: 自从2012年以来,CNN和其它深度学习技术就已经占据了图像识别的主流地位。本文以Keras为例,介绍了5种主要的图像识别模型,并通过实际案例进行详细介绍。更多深度文章,请关注:https://yq.aliyun.com/cloud  ...转载 2019-06-11 11:30:43 · 1067 阅读 · 0 评论 -
人脸对齐-MTCNN实现
#coding=utf-8import face_commimport face_detectimport cv2import numpy as npimport osimport timeimport randomclass Alignment: def align_face(self,opic,faceKeyPoint): img = c...原创 2019-06-04 19:54:57 · 1611 阅读 · 5 评论 -
MTCNN人脸检测与人脸对齐
MTCNN人脸检测与人脸对齐1 写在前面首先再次提一下人脸识别的一般步骤:人脸检测:简单的说就是得到人脸图像在图片中的位置;具体的一些方法有比如HOG/FHOG/SVM,还有一些基于Cascade的方式可以达到比较不错的效果。例如Compact CascadeCNN速度较快,速度要优于opencv和dlib,还有就是RCNN系列的通用检测方法(如R-CNN,FAST R-CNN,FASTE...转载 2019-06-03 18:15:39 · 1429 阅读 · 0 评论 -
人脸特征点检测(一)
人脸特征点检测(Facial landmark detection),即人脸特征点定位、人脸对齐(Face Alignment),是在人脸检测的基础上进行的,对人脸上的特征点例如嘴角、眼角等进行定位。 人脸特征点检测有很多用途,例如: (1)改善人脸识别:通过人脸特征点检测将人脸对齐到平均脸,对齐后的人脸图像识别算法更加有效。 (2)人脸平均:利用人脸特征点检测的结果,将多个人脸进行融合成新...转载 2019-06-03 17:22:22 · 6766 阅读 · 0 评论