张荣

cv学习路线

黄博士，原名：黄海广，常年游走于开源圈的机器学习。个人GitHub地址：https://github.com/fengdu78====================================================================开源的机器学习笔记：https://github.com/fengdu78/Coursera-ML-AndrewNg-Note...

这篇笔记，是自己结合网络整合的大杂烩，主要用于记录，方便自己查找，在此先感谢各位作者，https://blog.csdn.net/u012151283，https://blog.csdn.net/qq_27825451，......我看到你们写的比较好，就转记录到自己的博客了，只为自己学习使用，如果有侵权，立马删掉。===================================...

以下记录是来自于https://blog.csdn.net/perfectlwz/article/details/88761651，在此感谢李老师，我看到比较好，就转记录到自己的博客了，如果有侵权，立马删掉。----------------------------------------------------------------------------------------------...

今天11，11，是一个一心一意，爱这世界的表达日。这一生啊，择一人，一生一世一辈子，只爱你一人（小主）。同时今天也是一心一意，表达对技术热爱的日子，今天分享几本好书。##1.深度学习模型及应用详解##2.深度学习之TensorFlow工程化项目实战##3.强化学习（第2版）##4.移动深度学习##5.TensorFlow移动端机器学习实战...

下面是Siraj Raval，对学习计算机视觉CV的一份建议指南。详细原地址请看：https://github.com/zr940326/Learn_Computer_Vision先决条件学习Pythonhttps://www.edx.org/course/introduction-to-python-for-data-science-3 微积分http://tutorial.m...

会议名称会议地点会议时间网址介绍CVPR 2019 (IEEE Conference on Computer Vision and Pattern Recognition）美国洛杉矶 2019.06.15 - 21http://cvpr2019.thecvf.com计算机视觉及模式识别领域国际三大顶级会议之一NIPS 2018(Neural Informati...

##1. 什么是视觉问答VQA（Visual Question Answering）给定一幅图片及与图片相关的问题，系统通过理解图片回答这个问题，它涉及到图像识别和自然语言理解。比如这些例子：它是计算机视觉和自然语言处理问题的高级综合，目前该技术对盲人世界有很大的帮助。##2. 相关数据集：textVQA ：https://textvqa.org/VQA...

这篇笔记，是自己学习cs231n 李的学习大杂烩，主要用于记录，方便自己查找，其中有些，现在自己看起来都有点好笑，因为错的太低级了，不过这也是成长，后面会梳理好的。  ...

这篇笔记，是记录18年学习莫凡PyTorch的视频教程的学习记录笔记，我的想法是将后面关于PyTorch的学习整合，在一起，先上18年学习的笔记记录，有些看起来都有点好笑，因为错的太低级了，后面整合的时候，再来梳理吧。   ------------待完善----- ...

该篇笔记，是我学习时的记录笔记，大多数是由翻译软件翻译的很多不准，只做自己查阅，欢迎大家去下载Andrew Ng（原版书籍进行查看）##1.什么是ML 策略 ML学习是无数重要应用的基础，包括web搜索，电子邮件反垃圾邮件、语音识别、产品检验等等，还有很多，我想你的团队正在学习和要构建一个工作时所需要的ML学习应用，并且您希望开始发展，我想这就是这本书能帮你做的一点。例如 : 构建一个c...

这篇笔记，主要是机器学习第15章的学习笔记。涉及很多概念，后面复习时，来补全文章，主要是概念结构。规则学习：是从训练数据中学习出一组能用于对未见示列进行判别的规则。@@1. 规则头  ===> 规则体@@2.规则集合 ，冲突，冲突消解解决冲突的策略：投票法，排序法（带序规则学习），元规则@@3.按语言表达能力可以分为：命题规则 和一阶规则。命题规则： 原子命题和逻辑连...

这篇笔记，是一个大杂烩，涉及很多概念，主要是机器学习第10章和第11章的学习笔记。##1.降维降维，主要是用于解决维数灾难，它也被称为维数约简，即通过某种数学变换将原始高维属性空间转变为一个低维的子空间。@@1.为啥要降维？主要原因是高维的数据，有时并不能高效合理的解决我们的问题，也不利于学习。@@2.降维的方法：&&1.mds  多维缩放 （经典的降维方法...

这一章，是书中最后的一章，我认为是概念最大的一章，看完这一章之后，我很是欣慰啊，高兴，总算是结束了，有种心理是，让你虐我千百遍.我始终待你如初恋啊。相关玻尔兹曼机的生成模型@@1.玻尔兹曼机 @@2.RBM 受限玻尔兹曼机 ，簧风琴@@3. DBN 深度信念网络@@4.DBM 深度玻尔兹曼机@@5.实值数据上的玻尔兹曼机@@6.卷积玻尔兹曼机@@7.用于结构化或...

在很多概率模型中，很难训练的最重要的原因是，很难进行推断，所以书中，专门开了这章，来面临训练中最大而又，不能不解决的问题，近似推断。近似推断，可以视为优化问题，  主要是 最大化下界最大化下界：@@1. EM 期望最大化@@2. MAP 最大后验推断然后书还介绍了，变分推断，变分学习，学成近似推断——————————————————————————————————该笔记...

配分函数，是未归一化概率所有状态的积分（对于连续变量）或求和（对于离散变量）直面配分函数，是由于配分函数，在很多模型上，在积分和求和上面很难计算，所以书中在本章，我认为主要介绍了7种方法，3种策略。基于MCMC 的改进求解@@1.对数似然梯度----能量函数（负相）@@2. 随机最大似然数（拉高拉低的最大似然数）@@3.对比散度CD   （去掉mcmc梯度更新中的最小项）绕...

蒙特卡罗方法，是一种随机算法，通过它可以得到一个近似解。书中本章主要讲了，采样，重要采样，Gibbs采样，MCMC 马尔可夫链蒙特卡罗方法，全面介绍了蒙特卡罗方面的相关知识。——————————————————————————————————该笔记，由于时间关系，待有时间，梳理完后在逐步补善完成，先占位，也是完成学习记录，实在没有办法，最近时间挤得滴水不剩。  ...

##1.什么是结构化概率模型"结构化概率模型"（structured probabilistic model），是一类用图形模式表达基于概率相关关系的模型的总称，也称“图模型”（graphical model）英文简称，PGM 概率图模型具有图论和概率论两大理论基础，是生成模型的基础。因此它可以很好地表现运动特征、实体(中间语义)及行为之间的关系，可以为人体行为描述提供了一个自然结构。概率...

接着caffe2 教程记录五，这个是第六篇##7.创建自己的数据集如何创建自己的数据集？因此Caffe2使用二进制DB格式来存储我们想要训练模型的数据。 Caffe2 DB是键值存储的美化名称，其中键通常是随机的，因此批次大约是i.i.d，但是这些值是真实的：它们包含您希望训练算法摄取的特定数据格式的序列化字符串。因此，存储的数据库看起来（语义上）像这样：key1 value1 k...

接着caffe2 教程记录四，这个是第五篇##5.Brewing Models brew是Caffe2用于构建模型的新API。 CNNModelHelper过去曾担任过这个角色，但由于Caffe2的扩展远远超出了CNN的优势，因此提供更通用的ModelHelper对象是有意义的。 您可能会注意到新的ModelHelper与CNNModelHelper具有许多相同的功能。 brew包装了...

接着caffe2 教程记录三，这个是第四篇##4.Caffe2的主要概念Blobs and Workspace, TensorsCaffe2中的数据被组织为blob。 blob只是内存中一个命名的数据块。 大多数blob包含一个张量（想想多维数组），在Python中它们被转换为numpy数组（numpy是一个流行的Python数值库，已经作为Caffe2的先决条件安装）。Workspa...

接着caffe2 教程记录二，这个是第三篇##3.图像加载与预处理 图像加载和预处理：在本教程中，我们将研究如何从本地文件或URL加载图像，然后您可以在其他教程或示例中使用这些文件。此外，我们将深入研究使用caffe2 和图像时所需的预处理类型。mac osx 先决条件如果您尚未安装这些python 依赖，你现在需要这样做。（ 执行下面的命令，进行安装）sudo pi...

接着caffe2 教程记录一，这个是第二篇##2.加载预训练模型 github 上的 ：https://github.com/caffe2/tutorials/blob/master/Loading_Pretrained_Models.ipynb描述：在本教程中，我们将使用caff2中已经 预先训练好的squeezenet模型进行分类我们自己的图像（squeezenet模型 它来自...

以下学习笔记，来自于https://caffe2.ai/docs/tutorials.html 的官方教程，我只是记录，我看到的，以便查阅。一、官方的教程 clone 和运行clone教程源代码： git clone --recursive https://github.com/caffe2/tutorials caffe2_tutorials教程需要使用的相关依赖：注意：...

一.caffe 的介绍和环境搭建&&1.caffe的 介绍：该内容，部分来自：网络，感谢他们Caffe 作者：贾扬清，任Facebook研究科学家，曾在Google Brain工作。在AI领域有数年的研究经历。在UC Berkeley获得计算机科学博士学位，在清华大学获得硕士和本科学位。对两款流行的深度学习框架做过贡献：Caffe的作者，TensorFlow的作者之一。...

##1.驾驶视频数据集：数据集地址：http://bair.berkeley.edu/blog/2018/05/30/bdd/ BDD100K，这是迄今为止最大的驾驶视频数据集。它包含100,000个视频，代表超过1000小时的驾驶体验，超过1亿帧。这些视频附带了用于轨迹信息的GPU / IMU数据。它们会手动标记天气，一天中的时间和场景类型。 ##2. Cityscapes数...

2018.2发表出来的论文，原论文地址：https://arxiv.org/abs/1802.05591，下载地址：https://arxiv.org/pdf/1802.05591.pdf以下学习笔记，来自于http://mp.ofweek.com/ai/a045673928176  ，如有侵权，立马删除Towards End-to-End Lane Detection an Instan...

一. 车道线相关的知识&&1.标线的分类以下分类来自于百科：按照道路交通标线的功能划分为：指示标线、警告标线和禁止标线。按标划方法可分为：白色虚线、白色实线、黄色虚线、黄色实线、双白虚线、双白实线、双黄虚线和双黄实线等。按作用又可分为：车行道中心线、车道分界线、停止线、减速让行线、人行横道线、导流线、导向箭头和左转弯导线等。根据下面这张图，大致可以看到的分类...

感谢这位作者，以下记录是来自于https://blog.csdn.net/wangjian1204/article/details/79124018我看到比较好，就转记录到自己的博客了，如果有侵权，立马删掉图像分类和目标检测是计算机视觉两大模块。相比于图像分类，目标检测任务更复杂更困难。目标检测不但要检测到具体的目标，还要定位目标的具体位置。不过Tensorflow models上大神们...

本篇文章，是学习记录笔记，并不涉及相关概念，如果需要了解该主题的内容，请购买书籍《深入理解tensorflow架构设计与实现原理》。一、tensorflow 通信机制tensorflow的通信机制，主要服务于运行时核心组件间的数据交换和流程控制，在数据交换方面，通信的内容主要是数据流图上节点之间传输的张量，通信的源和目标主体一般是本地进程管理的不同设备，或是参与分布式计算的不同进程。根...

本篇文章，是学习记录笔记，并不涉及相关概念，如果需要了解该主题的内容，请购买书籍《深入理解tensorflow架构设计与实现原理》。##1.运行时框架##2.tensorflow中关键的数据结构&&1.张量数据结构&&2.设备相关数据结构&&3.数据流图数据结构##3.公共基础机制tensorflow提供的...

想学习，更多的GAN相关的模型和论文，可参考https://github.com/hindupuravinash/the-gan-zoo以下是来自该作者的 github上 整理的部分论文，如果需要查看更多，请前往https://github.com/hindupuravinash/the-gan-zoo3D-ED-GAN - 使用3D生成对抗网络和循环卷积网络进行形状修复 3D-...

感谢这位作者，以下记录是来自于http://nooverfit.com/wp/cvpr2018%E7%B2%BE%E9%80%893-%E7%AB%AF%E5%88%B0%E7%AB%AFfcn%E5%AD%A6%E4%BC%9A%E5%9C%A8%E9%BB%91%E6%9A%97%E4%B8%AD%E7%9C%8B%E4%B8%96%E7%95%8C%EF%BC%8C%E5%85%A8%E...

一、GAN 模型##1、基本概念GAN是对抗生成网络，它的应用的领域有很多，如图像翻译，图像编辑，图像超分辨率，自然语言领域等，还可结合强化学习打造基于GAN的强化学习。##2、GAN的原理GAN模型由两部分组成，生成网络（生成器）G，判别网络（判别器) D。如果以生成图片数据为例，在训练过程中，生成网络G的目标是尽量生成真实的图片去欺骗判别网络D，而D的目标是尽量把G生成的图片和...

一、汇总数据集  以下记录是来自于https://blog.csdn.net/Hk_john/article/details/78193573，我看到比较好，就转记录到自己的博客了，如果有侵权，立马删掉1. CIFAR-10 & CIFAR-100    CIFAR-10包含10个类别，50,000个训练图像，彩色图像大小：32x32，10,000个测试图像。    （类别...

这篇文章，是分布式学习记录笔记，主要由3位作者的文章组成，首先感谢他们，以下记录是来自于http://m.it168.com/detailText.html?id=5001279，我看到比较好，就转记录到自己的博客了，如果有侵权，立马删掉文章一：Tensorflow分布式原理理解实现原理　　图1.1 TensorFlow单机版本和分布式版本的示例图　　TensorF...

详细了解理想的学习速率。一维空间中的理想学习速率是 1f(x)″（f(x) 对 x 的二阶导数的倒数）。二维或多维空间中的理想学习速率是海森矩阵（由二阶偏导数组成的矩阵）的倒数。广义凸函数的情况则更为复杂。    学习率的优化：学习率为0.1 的情况学习率为1的情况练习 2您可以使用更高的学习速率更快地到达最低点吗？将学习速率设为 1，然后不断按“STEP”（步）按钮，直到梯度下降法到达最低点。这...

感谢这位作者，以下记录是来自于http://www.aiuai.cn/aifarm231.html，我看到比较好，就转记录到自己的博客了，如果有侵权，立马删掉原文 – Splash of Color: Instance Segmentation with Mask R-CNN and TensorFlow以构建颜色填充器(Color Splash Filter)为例.基于 Github – mat...

感谢这位作者，以下记录是来自于http://www.aiuai.cn/aifarm268.html，我看到比较好，就转记录到自己的博客了，如果有侵权，立马删掉原文 – ConvNets Series. Actual Project Prototyping with Mask R-CNN很有意思，根据图片来识别煎蛋质量，口味.1. 介绍以前关注过基于德国交通信号(German traffic sig...

感谢这位作者，以下记录是来自于https://www.cnblogs.com/guoyaohua/p/8940871.html的，我看到比较好，就转记录到自己的博客了，如果有侵权，立马删掉文章一：SCNN车道线检测--(SCNN)Spatial As Deep: Spatial CNN for Traffic Scene Understanding（论文解读）Spatial As Deep: Sp...