![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器人、人工智能
文章平均质量分 74
zsyddl2
这个作者很懒,什么都没留下…
展开
-
疯狂机器人-硬件
<!-- /* Style Definitions */ table.MsoNormalTable {mso-style-name:普通表格; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-parent:""; mso-padding-原创 2009-06-02 13:55:00 · 758 阅读 · 0 评论 -
win7 x64 vs2015 c++ 使用 tensorflow - 1 简单神经网络训练,预测
这是一个有一个中间层 一个输出层的神经网络demo. 输入数据为 1维数据.中间层10个神经元 输出成10个神经元. 其中一些都是临时为了测试修改的, 数据也是写固定了.后面补充可以动态输入数据的情况. 完整工程网盘路径: 附带了 tensorflow lib 所以很大. 链接:https://pan.baidu.com/s/1fwP7-D1-Usz1Ec5cY-RaYg 密码:0hlb...原创 2018-07-09 16:40:02 · 1189 阅读 · 1 评论 -
win7 x64 vs2015 c++ 使用 tensorflow
(这里不想使用"深度学习",因为这个名字就是炒作,而且这两年的神经网络带来的性能,并不是因为深.) 最近的需求需要预研下人脸识别/人工智能. 虽然目前各种人脸识别/图像识别/人工智能,都只是处于人工智障阶段,但是不可否认还是有一些实际价值.所以需要选择一个方案,在项目中使用起来,带来价值,方可推动继续研究. 前面文章说了.caffe2 是个巨大的坑,现在还不适合跳入. 在短...原创 2018-07-09 12:30:18 · 2875 阅读 · 0 评论 -
caffe2 vs2015 编译经验 (网上来回copy的不好使)
1/先安装git -window 版本 cmd 命令 到你自己的目录。 git clone --recursive https://github.com/caffe2/caffe2.git git只能 命令行,没办法免费的,就将就吧。 这样下来的肯定是编译不过的。这个坑足够大,大到你的跪了。这个情况下,主要是 third_party目录是空的。从git运行命令看,运行了xxx分钟...原创 2018-06-18 20:28:41 · 871 阅读 · 0 评论 -
深度学习, cnn,本质不是深而是卷积pooling,验证ok。
2017-5-6 做了整体图像2x2 blocks 的卷积验证。有初步效果已经是惊喜了。 今天完成 4x4blocks卷积 并连接 2x2block卷积,这样形成了两级卷积pooling。这里的卷积不是传统的卷积乘加结果,而是适用聚类的思想,计算欧式距离。 4x4卷积pooling之后 需要重新形成一个二维图像才可进一步卷积。这里稍微花了一些心思才做到。 结果比预期还好(提取特征原创 2017-05-19 17:21:18 · 567 阅读 · 0 评论 -
CNN (深度神经网络)的本质
目前CNN 效果这么好,并不是因为深度神经网络的深,而是局部卷积+pooling的结果。偶然看到GCforest,据说效果也很好。 使用其他方式代替神经网络,实现CNN结构,我预测效果一样好,或者会有更多其他优势。 一直在研究用其他方式实现CNN的过程。目前看 gcforest 做到了。看看这个方向没错。 另外,lstm 不一定是对语音序列处理效果最好的。 使用卷积方式扩展到时间原创 2017-03-06 12:35:46 · 1761 阅读 · 1 评论 -
深度神经网络权值初始化的诡异问题
最近自己些 cnn网络,遇到麻烦事了。直接使用c++从头写,按照层次化 模块化编写。为的是做之后的海量动态增量学习的 cnn。 写完代码,调试,结果基本和预期一样的差,毕竟要注意的参数很多。各个任何地方遗漏一个参数符号都会导致网络失败。于是从头开始bp网络检查错误。 1、使用1维个输入值,做3层bp网络测试。 1> 2分类,两输出节点情况。网络快速收敛。样本格式,原创 2016-05-18 10:58:56 · 3492 阅读 · 0 评论 -
freelife的 视觉探索
视觉听觉是智慧系统的 最重要的两个感知模块。目前的计划是首先突破最难的视觉。根据现有的图像识别技术结合,制作第一代视觉系统。根据人的视觉特性, 第一步是图像分割、第二步是基本图元识别、第三阶是对子图元组合成物体对象的识别。 对目前的图像识别方法都不满意,所以打算从头开始吧。第一个阶段的图像图元分割。根据视频特性,应该是像素类聚方式最好。 已经尝试过统计直方图分类.结论是,该方法虽原创 2012-02-20 16:25:32 · 427 阅读 · 0 评论 -
FreeLife 正式启动(自由生命)
Free Life本项目名称为 free life (自由生命),而不是自由生活。分为 Free Baby、 Free younger、 Free Man 等子项目 疑问和Point,所有研究内容围绕以下内容展开1 什么是“我”。大脑的什么地方能记录或者标记“我”,能够让“我”,从一个躯体分离出来,或者可以植入另一个躯体或者机器。2 模拟智能,实现智能思考机器人。根原创 2012-01-04 17:28:35 · 1461 阅读 · 2 评论 -
疯狂的机器人-软件
Normal 0 7.8 磅 0 2 false false false MicrosoftInternetExplorer4 <!-- /* Sty原创 2009-06-02 13:59:00 · 511 阅读 · 0 评论 -
win7 x64 vs2015 c++ 使用 tensorflow - 2 使用 facenet 模型
简单调用 facenet模型,并对比欧式距离.使用了opencv做人脸检测.其中一些参数暂时写死了.目前的效果一般般.因为 opencv对人脸的不同姿态检测并不是太准.(暂时依赖于Qt的QString 和 QImage ) 1/ create: Scope m_root = Scope::NewRootScope(); Status status = NewSess...原创 2018-07-25 16:09:46 · 1964 阅读 · 1 评论