机器学习
文章平均质量分 85
zhuiqiuk
这个作者很懒,什么都没留下…
展开
-
对比度受限的自适应直方图均衡化(CLAHE)(转)
直方图均衡化(HE)是一种很常用的直方图类方法,基本思想是通过图像的灰度分布直方图确定一条映射曲线,用来对图像进行灰度变换,以达到提高图像对比度的目的。该映射曲线其实就是图像的累计分布直方图(CDF)(严格来说是呈正比例关系)。然而HE是对图像全局进行调整的方法,不能有效地提高局部对比度,而且某些场合效果会非常差。如:上述原图和HE结果图的直方图分别为:因为从原图的直方图中求取的映射函数(CDF)形状为:将它作用于原图像会导致直方图被整体右移,没有充分利用整个灰度动态范围。为了提高图像的局部转载 2020-07-05 19:03:41 · 1669 阅读 · 1 评论 -
python采用pika库使用rabbitmq总结,多篇笔记和示例(转)
原文:http://www.01happy.com/python-pika-rabbitmq-summary/这一段时间学习了下rabbitmq,在学习的过程中,发现国内关于python采用pika库使用rabbitmq的资料很少,官网有这方面的资料,不过是都英文的。于是笔者结合自己的理解,就这方面内容写了一些示例,总共有七篇笔记,分享出来。笔记依次是循序渐进的,笔记内贴出的代码笔者都实际转载 2018-01-03 02:53:04 · 2468 阅读 · 0 评论 -
PYTHON解析XML的多种方式效率对比实测
在最初学习PYTHON的时候,只知道有DOM和SAX两种解析方法,但是其效率都不够理想,由于需要处理的文件数量太大,这两种方式耗时太高无法接受。在网络搜索后发现,目前应用比较广泛,且效率相对较高的ElementTree也是一个比较多人推荐的算法,于是拿这个算法来实测对比,ElementTree也包括两种实现,一个是普通ElementTree(ET),一个是ElementTree.iterpar转载 2017-07-18 09:25:04 · 1800 阅读 · 1 评论 -
公司ubuntu服务器登录与操作记录
1.同一个局域网内的ubuntu机器ubuntu terminal登录服务器ssh huang@192.168.1.116输入密码后进入访问其他用户:cd /home/zhaolsrm XXx 删除文件vim xxx 编辑文件, i 进入编辑模式。。编辑完了, Esc , :q退出编辑。\who查看当前服务器用户数2.从本地机器上传文件到服务器的h原创 2017-01-17 16:43:43 · 2907 阅读 · 0 评论 -
caffe调试 ubuntu1404+eclipse
http://blog.csdn.net/yaoxingfu72/article/details/47999795首先确保你caffe编译成功,而且makefile.config中将DEBUG:=1那一行取消注释,我的caffe根目录为 caffe-master。你也可以在Eclipse中编译caffe,我是先编译好caffe,然后进入Eclipse中调试1、eclip转载 2017-06-25 09:27:44 · 330 阅读 · 0 评论 -
【行人识别】Deep Transfer Learning for Person Re-identification
Geng, Mengyue, et al. “Deep Transfer Learning for Person Re-identification.” arXiv preprint arXiv:1611.05244 (2016).概述本文解决行人的Re-Identification问题:判断两次出现的人是否是同一个人。在Market 1501竞赛中名列榜首,其Rank-1准确率比第二转载 2017-06-09 11:31:01 · 570 阅读 · 0 评论 -
ubuntu 16.04 安装pycharm
记录下自己安装的过程1、安装java jdk 直接打开终端,执行下面的命令; sudo add-apt-repository ppa:webupd8team/java sudo apt-get update sudo apt-get installl oracle-java8-installer 安装过程中会出现o转载 2016-11-04 16:53:34 · 1655 阅读 · 0 评论 -
Code::Blocks导出MakeFile文件工具
1,使用cbp2make 工具2,使用cbmakegen插件请参考http://forums.codeblocks.org/index.php/topic,13675.0.htmlcbp2mak,下载地址:http://bblean.berlios.de/cbp2mak-0.2.zip下载后解压,然后cd到解压目录,执行“make”来编译cbp2mak 。Exa转载 2017-05-23 18:18:59 · 4181 阅读 · 0 评论 -
SVD(奇异值分解)算法_计算任意N*M矩阵_C语言代码
帮同学解决的一个问题。SVD(奇异值分解算法)的C语言代码在网上可以找到,如《Numerical Recipes in C》一书所给出的代码:http://cacs.usc.edu/education/phys516/src/TB/svdcmp.c,同时也给出了Demo代码http://cacs.usc.edu/education/phys516/src/TB/singular.c。但是该转载 2017-04-06 15:43:38 · 16501 阅读 · 6 评论 -
Ubuntu 16.04安装Matlab 2016b教程
因为项目原因,要用到Matlab for Linux,这里简要写下其安装教程,以供参考。 下载Matlab 2016bMatlab几乎每一个版本都有相应的破解版,为我们这些学生提供了很大的便利。首先在百度网盘(https://pan.baidu.com/s/1mi0PRqK)下载Matlab for Linux,下载后文件夹中包含三个文件:Matlab 2016b Linux64 Cr转载 2017-02-24 17:00:24 · 544 阅读 · 0 评论 -
Faster-RCNN+ZF用自己的数据集训练模型 转
参考网页: http://blog.csdn.net/sinat_30071459/article/details/50723212转载 2017-01-10 18:02:36 · 825 阅读 · 0 评论 -
yolo的训练和测试
官网: http://pjreddie.com/yolo/相关文章: http://arxiv.org/abs/1506.02640源代码: https://github.com/pjreddie/darknet.git1 下载源代码2 配置darknet配置darknet ,我之前安装的是openCV3.0.0,无法正常配置darknet在openCV的环境(据说是2转载 2016-12-20 17:46:39 · 2360 阅读 · 0 评论 -
Caffe学习(1):Ubuntu16.04上Caffe配置安装(Only CPU)
常说天作孽犹可违,人作孽不可活啊,那为了毕设,我就是作死啊。没办法自己从三月份辞掉实习开始断断续续学习深度学习,才明白入坑虽浅,基情不断啊。为了能够完成毕设,便选了Caffe,也到处都是坑啊。没办法,为了祭奠我那糟糕透顶的记忆脑细胞,用我这糟糕的文笔稍微记录一下吧。首先想吐槽一下,我的电脑没有Nvidia,没有Nvidia,没有Nvidia,重要的事情说三篇。在这上面就耽误了好几天。转载 2016-11-03 21:49:09 · 671 阅读 · 0 评论 -
学习笔记:GoogLeNet
GoogLeNet, 2014年ILSVRC挑战赛冠军,将Top5 的错误率降低到6.67%. 一个22层的深度网络,论文在http://arxiv.org/pdf/1409.4842v1.pdf,题目为:Going deeper with convolutions。(每次看这么简洁优雅的题目,就想吐槽国内写paper的 八股文题目)。GoogLeNet这个名字也是挺有意思的,为了像开山鼻祖的Le转载 2016-12-19 20:45:27 · 1593 阅读 · 0 评论 -
GoogLeNet学习心得
综述:http://blog.csdn.net/sunbaigui/article/details/50807362googlenet和vgg是2014年imagenet竞赛的双雄,这两类模型结构有一个共同特点是go deeper。跟vgg不同的是,googlenet做了更大胆的网络上的尝试而不是像vgg继承了lenet以及alexnet的一些框架,该模型虽然 有22层,但大小却比alex转载 2016-12-20 11:17:57 · 3776 阅读 · 0 评论 -
how-to-send-emails-with-gmail-using-python
http://stackabuse.com/how-to-send-emails-with-gmail-using-python/There are quite a few ways to send email with Python, whether it be through a 3rd party library like withboto and SES, or转载 2018-01-16 20:10:26 · 516 阅读 · 0 评论 -
Sparse coding:
本节将简单介绍下sparse coding(稀疏编码),因为sparse coding也是deep learning中一个重要的分支,同样能够提取出数据集很好的特征。本文的内容是参考斯坦福deep learning教程:Sparse Coding,Sparse Coding: Autoencoder Interpretation,对应的中文教程见稀疏编码,稀疏编码自编码表达。 在次之前,我们需...转载 2018-03-04 22:48:51 · 3949 阅读 · 1 评论 -
DSD(Dense-Sparse-Dense Training)算法详解
论文:DSD: Dense-Sparse-Dense Training for Deep Neural Networks 论文链接:https://arxiv.org/pdf/1607.04381.pdf 模型下载地址:https://songhan.github.io/DSD.这是Song Han发在ICLR2017上的文章,我们知道Song Han的研究领域主要是模型压缩,模型加速等,但是这篇...转载 2018-03-31 10:20:52 · 1067 阅读 · 0 评论 -
caffe卷积层延伸:卷积核膨胀详细解析
在笔者的上一篇博客中,解析caffe的卷积层时,在conv_layer.cpp中有一个卷积核膨胀操作,在conv_layer.cpp的第17行有如下代码const int kernel_extent = dilation_data[i] * (kernel_shape_data[i] - 1) + 1;上面的代码描述了卷积核的膨胀操作,我们不妨来做个假设,卷积核为3*3的,膨胀系数为...转载 2019-03-31 14:45:43 · 597 阅读 · 0 评论 -
Darknet YOLOv3 资源合集
首先目标检测的入门文档:知乎-目标检测https://zhuanlan.zhihu.com/p/34142321voc版本数据集制作:voc格式数据集https://blog.csdn.net/ch_liu23/article/details/53558549yolo主页:yolo homehttps://pjreddie.com/darknet/yolo/yolo AB代...转载 2019-03-05 17:14:42 · 999 阅读 · 0 评论 -
一文读懂Attention:Facebook曾拿CNN秒杀谷歌,现如今谷歌拿它秒杀所有人
不久前,Google基于Attention机制的机器翻译研究“Attention is All You Need”赚足了眼球。它放弃了机器翻译上常用的CNN、RNN架构,仅采用Attention机制就拿到了业界BLEU评分上的最佳成绩,且训练过程仅需3天半就能完成。当然,这是用了8颗P100 GPU的结果。 于是,人们不免好奇,Attention到底是个什么鬼?它相对于传统LSTM的技术...转载 2019-02-13 19:57:27 · 621 阅读 · 0 评论 -
ResNet架构可逆!多大等提出性能优越的可逆残差网络
机器之心选自arXiv,作者:Jens Behrmann、Will Grathwohl、,Ricky T. Q. Chen等,机器之心编译。近日,来自德国不来梅大学和加拿大多伦多大学的研究者提出一种新架构——可逆残差网络,可用于分类、密度估计和生成任务。而在此之前,单个架构无法在判别和生成任务上同时取得优秀性能。值得一提的是,NeurIPS 2018 最佳论文获得者 Dav...转载 2019-02-12 17:49:49 · 3072 阅读 · 0 评论 -
变形卷积核、可分离卷积?卷积神经网络中十大拍案叫绝的操作。
变形卷积核、可分离卷积?卷积神经网络中十大拍案叫绝的操作。 CNN从2012年的AlexNet发展至今,科学家们发明出各种各样的CNN模型,一个比一个深,一个比一个准确,一个比一个轻量。我下面会对近几年一些具有变革性的工作进行简单盘点,从这些充满革新性的工作中探讨日后的CNN变革方向。注:水平所限,下面的见解或许有偏差,望大牛指正。另外只介绍其中具有代表性的模型,一些著名的模型由于原理...转载 2019-01-27 16:19:02 · 269 阅读 · 0 评论 -
ubuntu ndk 编译c/c++
(1)下载android studio ide,解压,cd android-studio/bin sh ./studio.sh 打开studio 下载sdk。(2)下载ndk,解压ndk1、添加ndk-build环境变量路径:export NDK_ROOT=/home/hjimce/Android/Sdk/ndk-bundle/ cd到nnpack所在的目录,更改jni APP_PLATFO...原创 2018-06-08 16:41:57 · 1238 阅读 · 0 评论 -
NNPACK 移植与实验
一、Ubuntu下使用:1、克隆下载NNPACK[cpp] view plain copy git clone https://github.com/Maratyszcza/NNPACK.git 2、安装nijia,并编译Install ninja build systemsudo apt-get install ninja-build || brew install ninjaInstall ...转载 2018-06-07 20:13:27 · 628 阅读 · 0 评论 -
初次安装git配置用户名和邮箱
初次安装git需要配置用户名和邮箱,否则git会提示:please tell me who you are.你需要运行命令来配置你的用户名和邮箱:$ git config --global user.name "superGG1990"$ git config --global user.email "superGG1990@163.com"注意:(引号内请输入你自己设置的名字,和你自己的邮箱)...转载 2018-05-22 16:29:23 · 822 阅读 · 0 评论 -
如何用Keras从头开始训练一个在CIFAR10上准确率达到89%的模型
•https://zhuanlan.zhihu.com/p/29214791CIFAR10 是一个用于图像识别的经典数据集,包含了10个类型的图片。该数据集有60000张尺寸为 32 x 32 的彩色图片,其中50000张用于训练,10000张用于测试。[CIFAR10]在几大经典图像识别数据集(MNIST / CIFAR10 / CIFAR100 / STL-10 / SVHN / ImageN...转载 2018-05-16 12:56:58 · 7591 阅读 · 1 评论 -
deep learning数据集 net 精度
http://rodrigob.github.io/are_we_there_yet/build/classification_datasets_results.html#43494641522d3130Classification datasets resultsWhat is the class of this image ? Discover the current state...转载 2018-05-16 12:55:14 · 1128 阅读 · 0 评论 -
Linux 审计工具 auditd 命令
Linux 审计工具 auditd 命令2017年10月14日 20:57:01阅读数:1032 auditd 审计工具 ,常用来对文件修改进行监听,如 监听那个进程修改了 .ssh/authorized_keys这个工具在大多数Linux操作系统中是默认安装的。CentOS 默认安装。Ubuntu 安装:apt-get i...转载 2018-05-22 11:38:27 · 1146 阅读 · 0 评论 -
cifar数据集介绍及到图像转换的实现
CIFAR是一个用于普通物体识别的数据集。CIFAR数据集分为两种:CIFAR-10和CIFAR-100。The CIFAR-10 and CIFAR-100 are labeled subsets of the 80 million tiny images dataset. They were collected by Alex Krizhevsky, Vinod Nair, and Geoff...转载 2018-04-18 23:14:24 · 1304 阅读 · 0 评论 -
CIFAR10/CIFAR100数据集介绍
CIFAR-10/CIFAR-100数据集解析觉得有用的话,欢迎一起讨论相互学习~Follow Me参考文献CIFAR-10/CIFAR-100数据集CIFAR-10和CIFAR-100被标记为8000万个微小图像数据集的子集。他们由Alex Krizhevsky,Vinod Nair和Geoffrey Hinton收集。CIFAR-10数据集CIFAR-10数据集由10个类的60000个32x3...转载 2018-04-18 23:05:35 · 3783 阅读 · 0 评论 -
PyTorch深度学习:60分钟入门(Translation)
https://zhuanlan.zhihu.com/p/25572330某天在微博上看到@爱可可-爱生活 老师推了Pytorch的入门教程,就顺手下来翻了。虽然完工的比较早但是手头菜的没有linux服务器没法子运行结果。开学以来终于在师兄的机器装上了Torch,中间的运行结果也看明白了。所以现在发一下这篇两周之前做的教程翻译。首先惯例上原文链接,特别的原作者是以ipyhton notebook来...转载 2018-03-31 16:08:55 · 712 阅读 · 0 评论 -
Caffe 实例测试一: MNIST
参考:http://caffe.berkeleyvision.org/gathered/examples/mnist.html原笔记在印象笔记中,复制过来格式就乱了,原笔记地址:http://app.yinxiang.com/l/AARGaZ2rlLdEn7ikhvPcGA7hd7_EnB2OlIo/ caffe安装目录:home/user/caffe-master转载 2016-12-20 07:46:30 · 576 阅读 · 0 评论 -
深度学习网站
cnn学习博客:http://blog.csdn.net/u011534057/article/list/5原创 2016-12-28 17:29:11 · 588 阅读 · 0 评论 -
ubuntu16.04+caffe+GPU Ubuntu16.04+CUDA8.0+caffe配置
http://www.linuxdiyf.com/linux/24659.html转载 2017-01-04 16:22:48 · 2822 阅读 · 1 评论 -
用opencv自带hog实现行人检测)
本文主要介绍下opencv中怎样使用hog算法,因为在opencv中已经集成了hog这个类。其实使用起来是很简单的,从后面的代码就可以看出来。本文参考的资料为opencv自带的sample。 关于opencv中hog的源码分析,可以参考本人的另一篇博客:opencv源码解析之(6):hog源码分析 开发环境:opencv2.4.2+Qt4.8.2+ubuntu12.0转载 2016-10-27 16:39:33 · 5476 阅读 · 1 评论 -
利用Hog特征和SVM分类器进行行人检测
之前介绍过Hog特征(http://blog.csdn.net/carson2005/article/details/7782726),也介绍过SVM分类器(http://blog.csdn.net/carson2005/article/details/6453502 );而本文的目的在于介绍利用Hog特征和SVM分类器来进行行人检测。 在2005年CVPR上,来自法国的研究转载 2016-10-27 16:13:46 · 394 阅读 · 0 评论 -
HOG:从理论到OpenCV实践
原文 http://blog.csdn.net/zhazhiqiang/article/details/21047207主题 OpenCV(转载请注明出处: http://blog.csdn.net/zhazhiqiang/ 未经允许请勿用于商业用途)一、理论1、HOG特征描述子的定义: locally normalised histogram转载 2016-10-27 14:13:58 · 628 阅读 · 0 评论 -
OpenCV HOGDescriptor 参数图解
最近要做图像特征提取,可能要用下HOG特征,所以研究了下OpenCV的HOG描述子。OpenCV中的HOG特征提取功能使用了HOGDescriptor这个类来进行封装,其中也有现成的行人检测的接口。然而,无论是OpenCV官方说明文档还是各个中英文网站目前都没有这个类的使用说明,所以在这里把研究的部分心得分享一下。首先我们进入HOGDescriptor所在的头文件,看看它的构造函数需要哪些转载 2016-10-27 12:33:42 · 332 阅读 · 0 评论 -
vs2013 error LNK2005 已经在***.obj中定义
(1)错误案例:在写日志程序中出现,工程是MFC程序(注:win32控制台应用程序,不会出现这种错误,当然是不支持MFC库的那种)(2)错误原因:如下能看出一点眉目,重定义了.在使用***.obj时,已经在***.lib库中定义了.摘抄:上网搜了下,是CRT库与MFC库的冲突,解决方法是:让程序先链接Nafxcwd.lib,然后再链接Libcmtd.libyou've got转载 2016-10-27 11:59:32 · 7889 阅读 · 0 评论