- 博客(32)
- 资源 (17)
- 收藏
- 关注
RSS订阅
原创 一文看懂CNN经典网络的进化
目录LeNet(1998)AlexNet(2012)ZF Net (2013)VGG(2014)Network In Network(2014)Inception (GoogLeNet) (2015)ResNet(2015) DenseNet(2017)LeNet(1998)LeNet-5，这个开创性的模型很大程度上引...
2018-09-10 20:56:18
1821
原创 一文看懂梯度下降算法的演化（含代码实现）
目录0 前言1 Gradient descent variants梯度下降的变体1.1 Batch gradient descent批量梯度下降，又名 Vanilla gradient descent1.2 Stochastic gradient descent 随机梯度下降1.3 Mini-batch gradient descent 小批量梯度下降2 SGD的缺点3...
2018-08-29 16:10:24
4614
4
原创 从查准率、查全率到ROC、AUC （含Python实现）
目录前言：先看一个经典的例子：1 查准率与查全率2 F1_score3 ROC及代码实现4 AUC 及代码实现4.1 AUC简介4.2 AUC的几何意义和概率意义4.3 AUC判断分类器（预测模型）优劣的标准：4.4 AUC的计算方法：前言：先看一个经典的例子：目的：设计一个分类器类分类患者的肿瘤是不是良性的数据集：我们有10000个样本，其中9...
2018-08-19 19:42:02
4913
原创 kaggle phone verify 收不到手机验证码（2019.05亲测可行）
kaggle上下载一下数据集必须手机验证，结果验证时一直提示错误输入的格式错误，试了网上的很多方法均失败。第一步：验证界面下方有 contact us2.按照提示继续找3.界面会重新回到手机验证界面，不过多了一个人机验证。点击人机验证，按要求选择图片中出现的物体，完成验证。手机号前加8604. 最后就会受到短信。如下图。kaggle的短信验证好随意啊，我还以...
2019-07-15 19:20:13
19864
48
原创 图像检索技术综述（从SIFT到CNN）
最近开始学习图像检索，看到一篇2015年写的不错的综述，介绍了从SIFT到CNN的技术发展。看到网上也有一些翻译版本，但是明显的机器翻译，直接复制粘贴，很多专有词汇没有翻译到位。所以为了自己学习，也为了方便后面的同学阅读，斗胆翻译了一下。这篇综述比较长，所以分为三个部分。本文是第一个部分，SIFT和CNN的综述SIFTMeets CNN:A Decade Survey of Instan...
2019-05-07 14:28:43
5067
原创 关于numpy中的axis和shape的一些思考
首先对于axis的理解对于高维的矩阵，对于新手来说，分析它的axis，可能会有些困难。但是不用担心，看完这篇帖子，你应该就明白了一句话，看axis就看是几级中括号最外侧的中括号是一级中括号，表示axis=0里面一层的中括号是二级中括号，表示axis=1在一级中括号的眼里（axis=0），他看不见两个二级中括号中间的内容。上式的在axis=0方向的和在二级...
2019-05-06 17:57:42
469
原创 C++ API调用mysql内容，中文显示为问号的解决方案
数据库中可以显示中文，但是调用API读取之后发现，中文都变成了问号？，这就很尴尬了解决方法：在调用mysql_query读取数据之前执行一次mysql_query(&mysql,"set names utf8");指定客户端和服务器之间传递字符的编码规则是utf8.最后的效果--------------------------------------...
2019-04-25 10:13:24
816
1
原创 Ubuntu下配置opencv及opencv_contrib
0 前言最近的项目需要，经常配置opencv，在window,ubuntu,以及阿里云服务器上都配置过，遇到过很多问题，这里记录一下，给后面的朋友指个路1 安装环境sudo apt-get install build-essentialsudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev lib...
2019-04-19 11:04:20
3615
1
原创 解决mysql只能添加sudo才可以登录，同时C++接口连接失败的问题
问题：每次需要添加sudo才可以登录，如下图所示如果只是操作简单数据库的话，虽然多输入一遍密码也能忍受，但是导致我的mysql的Ｃ++接口，因为权限不够无法连接了，这就只能逼着我解决问题查看root用户的权限，将auth_sock改为mysql_native_password。然后通过flush privileges 使更改立马生效退出mysql,然后用mysql -...
2019-04-15 16:35:41
4171
10
原创 关于tkinter的水平滚动条Scrollbar无法移动的问题
最近用tkinter在做一个软件，但是在添加进度条时，发现发现垂直进度条时正常的，但是水平进度条时用不了的，它会自动全部充满，无法移动。代码参考：# -*- coding:utf-8-*-from tkinter import *from tkinter import ttkroot = Tk()root.geometry("400x400")tv = ttk.Tree...
2019-03-14 10:55:08
6255
2
原创 ResNet学习笔记
ResNet的提出随着网络的加深，出现了训练集准确率下降的现象，我们可以确定这不是由于Overfit过拟合造成的(因为过拟合的情况训练集应该准确率很高)，对于这种深度网络的退化问题，限制了模型的深度。ResNet的出现解决了这一问题（对于是否解决了，也有人提出质疑），因此是继AlexNet之后的有一个里程碑。作者针对这个问题提出了一种全新的网络，叫深度残差网络，它允许网络尽可能的加深，其中...
2018-09-10 21:33:15
806
原创 【目标检测】SSD算法--损失函数的详解(tensorflow实现）
SSD的损失函数包含用于分类的log loss 和用于回归的smooth L1，并对正负样本比例进行了控制，可以提高优化速度和训练结果的稳定性。总的损失函数是分类和回归的误差的带权加和。α表示两者的权重，N表示匹配到default box的数量1 loc的损失函数：smooth L1 y_true：shape: (batch_size,n_boxes,4) ,最后一个维度...
2018-09-03 23:37:38
19587
2
原创 【目标检测】SSD算法—-模型结构的详解及Python源码分析
前言最近在研究SSD算法，感觉SSD是继Faster RCNN之后的最具有开创性的工作，SSD可以和Faster-RCNN的精度与Yolo的速度相媲美，现在很多公司还在应用SSD一类的算法，有必要好好钻研一下。因此准备写一些对SSD的算法理解，以及一些关键源码的分析。刚开始啃这一块，如果有问题，辛苦大家指出来。SSD模型结构先给出经典的网络结构图，以ssd300为例可以...
2018-09-03 20:01:54
9162
9
原创 BP神经网络--纯Python实现
RequirementsNumpy keras(只用来导入dataset) sklearn（只用来导入dataset）实现的功能是多分类任务，最后在mnist上实验了一下导入Mnist数据import numpy as npfrom keras.datasets import mnistfrom sklearn.preprocessing import OneHotEnco...
2018-09-02 20:02:41
921
原创 剑指Offer（Python实现）系列更新中。。。
目录【面试题3】：数组中重复的数字【面试题4】二维数组的查找【面试题11】：旋转数组的最小数字【面试题21】：调整数组顺序使奇数位于偶数前面【面试题22】：链表中倒数第k个结点【面试题25】：合并两个排序的链表【面试题39】数组中出现次数超过一半的数字【面试题42】连续子数组的最大和【面试题45】把数组排成最小的数【面试题51】数组中的逆序对【面试题53...
2018-08-31 22:59:50
275
原创 剑指Offer（C++实现）系列更新中。。。
目录【面试题3】【面试题4】【面试题11】：旋转数组的最小数字【面试题21】：调整数组顺序使奇数位于偶数前面【面试题22】【面试题25】【面试题39】数组中出现次数超过一半的数字【面试题42】连续子数组的最大和【面试题45】把数组排成最小的数【面试题51】数组中的逆序对【面试题53】数字在排序数组中的次数 【面试题3】题目描述：在一个长度...
2018-08-31 22:58:52
789
原创 keras如何编写自定义的层
有时keras内置的层无法满足自己的要求时，就需要自己编写，比如自定义一个损失函数 1. 自定义层的框架结构Keras2的层应该具有的框架结构，要定制自己的层，你需要实现下面三个方法： build(input_shape)：这是定义权重的方法，可训练的权应该在这里被加入列表`self.trainable_weights中。其他的属性还包括self.non_trainabe_...
2018-08-30 16:22:35
3455
1
原创 为何含有全连接层的网络，需要固定输入图片大小？
前言在图像识别，目标检测等任务中经常用到预训练的模型，比如在VGG16模型结构（除去最后一层）的基础上加上多个softmax层用来分类。在SSD中用预训练的VGG16和ResNet50作为特征提取层。 当你用到包含全连接层的预训练模型时，就需要固定固定输入图片的大小。池化层需要经过Flatten压扁之后，才能和全连接成相连。如上图，经过最后一个池化层和Flatten后的输出...
2018-08-28 14:23:05
12024
1
原创 CNN卷积神经网络的前向传播
CNN的前向传播1. 输入层到卷积层的前向传播 假设输入的是RGB的彩色图像，因此输入X是3个矩阵，分别对应了R,G,B的矩阵。因为输入层是三个维度，因此卷积层一个filter的维度也是3.a表示当前层的输出，上标表示层数。σ表示激活函数，一般是Relu, *表示卷积操作，W表示卷积核可以发现，CNN和标准的BPNN的前向传播很相似，只是，CNN不只是矩阵的乘积...
2018-08-26 16:13:47
1727
原创 卷积到底是如何操作的？1x1卷积？参数如何计算？
目录卷积到底是如何操作的filter的参数如何计算卷积的特性1x1的卷积核卷积到底是如何操作的1. 对于一个特征图（如灰度图） 卷积就是对应元素乘积的求和,然后在加上一个非线性函数。但是上面的例子只有一个输入channel和一个卷积核，当有很多channel和多个卷积核时，又改如何计算呢？2. 多个特征图如何和多个filter...
2018-08-23 10:31:59
5349
5
原创 多任务学习算法及代码实现
目录多任务学习 ：共享相关任务表征更多的应用举例网络结构keras实现多任务学习（硬共享机制）多任务学习需要准备的数据不太一样多任务学习 ：共享相关任务表征定义：基于共享表示（shared representation），把多个相关的任务放在一起学习的一种机器学习方法。也就是说，基于某些层的参数共享，训练几个具有相似性的任务，然后给出每个任务的分类结果。举例：比...
2018-08-21 23:58:14
13142
6
原创 就想发个帖子，等一年后回来更帖
既然选择了要转行，那就选择一条比较难的道路。为啥转行呢，无非是对自己本专业丧失了兴趣，而这，是最让我害怕的。我害怕以后几十年从事的工作并不是我喜欢和擅长的。因为喜欢，选择了CV方向，并不是想蹭热点，只是希望能在这一领域找到自己的价值和存在感。一年后回来更帖。。。2018-8-192019-10-20现在不干CV了，但因为CV进入了HW，目前从...
2018-08-19 19:53:35
255
原创 SPPNet算法详解
1.RCNN的缺点 CNN要求输入图片尺寸具有统一的尺寸 不同尺度和长宽比的区域被变换到相同大小 裁剪会导致信息丢失或引入过多背景）,缩放会导致物体变形 2.SPPNet结构应该是一目了然吧 3. 关于SPP的理解由于论文中用的基础网络ZF-5中含有全连接层，这就要求全连接层输入的尺寸必须一致，如RCNN中将每个区域框送入CNN网络前，需要调整为22...
2018-08-16 22:58:41
2264
原创 R-CNN网络结构讲解
结构 第一步 ： 生成候选区域 -- Selective Search(不理解可以看这里Selective Search)输入500x500的图片 数量：2000第二步：CNN提取区域特征图像处理 将候选框scale到227x227的大小 对区域进行些许扩大以包含少量上下文信息（将获得区域框向四周扩大一些） 训练： 有监督预训练：训练网络参数 样...
2018-08-16 22:29:48
10894
原创 XGBoost算法推导及参数配置
1.XGB的直观理解 XGB就是一堆CART树的结果的加和xgb就是将每棵树的预测值加到一起作为最终的预测值模型表示 K为树的个数 F为所有可能的CART树 f为一颗具体的CART树 目标函数 问题来了，一棵树的正则化项是怎们表示的？先想想，后面有详解 改进：不再是直接优化整个目标函数，而是分步骤优化目标函数 首先优化第一棵树，完了之后再优...
2018-08-16 22:10:20
758
原创 TypeError:parse() got an unexpected keyword argument 'trainsport_encoding'安装完tensorflow，pip出现问题
问题有时，安装tensorflow后，可能会导致pip出问题，原因因为是安装时，把html5lib被删掉了，所以重新装一下就好了。但是因为pip出现问题了，所以只能用conda 来安装了。建议尽量用conda来安装各种包。conda install -c anaconda html5lib也可能因为pip不是最新版，所以conda install pip,更新...
2018-08-16 21:51:38
478
原创 Logistic Regression——逻辑回归算法推导
前言之前学过用线性回归解决分类问题, 使用如下的阶跃函数，实现分类功能，但是这样的分类很明显太过粗糙了 令z = 我们希望有一个理想的阶跃函数来帮我们实现z值到0/1值的转化。 而且是单调可微的凸函数->sigmoid function定义 输出Y=1的对数几率是由输入x的线性函数表示的模型，这就是 逻辑回归模型。是一种广义的线性模型。所以...
2018-08-16 21:21:50
4133
3
原创 极大似然估计
前言1. 概率与似然？ 结果相同，只是视角不同。概率是给定某一参数值，求某一结果的可能性。例如，抛一枚匀质硬币，抛10次，6次正面向上的可能性多大？解读：“匀质硬币”，硬币的密度参数是0.5，“抛10次，六次正面向上”这是一个结果，概率（probability)是求这一结果的可能性。似然是给定某一结果，求某一参数值的可能性。同理，极大似然估计就是给定一个结果，求使得结果发生...
2018-08-16 20:30:47
3022
原创 关于向量的模和向量的范数的理解
向量的模 含义向量 的长度叫做向量的模，记作 ，也就是向量 的大小计算公式对于向量 属于n维复向量空间=(x1,x2,…,xn)的模为 = 向量的范数 范数，在机器学习中通常用于衡量一个向量的大小，形式上， 范数的定义如下： ...
2018-08-15 10:15:08
29557
原创 选择性搜索 Selective Search -- 算法详解+源码分析
目录1 前言2 Selective Search算法3 Python源码分析 1 前言 在目标检测时，为了定位到目标的具体位置，通常会把图像分成许多子块（sub-regions / patches），然后把子块作为输入，送到目标识别的模型中。selective search就是一种选择子块的启发式方法。 2 Selective Search算法 主要思路：输入一...
2018-08-04 16:48:21
13005
4
原创 'conda' 不是内部或外部命令，当修改环境变量无法解决时的解决方案
踩过的坑：win10,64位。刚开始安装无论是Anaconda3，还是Anaconda2的时候，就发现没法在命令行运行conda,网上一大堆帖子告诉我要修改环境变量，可是修改完还是不行。后来发现原因是文件夹里没有conda.exe，这不是修改环境变量能解决的问题。没有conda.exe，或者activate.bat无法识别，主要还是因为Anaconda可能在你的windows上安装不完整...
2018-05-22 21:26:13
25666
27
原创 C++实现斐波那契的多种解法
定义：斐波那契数列（Fibonacci sequence），又称黄金分割数列、因数学家列昂纳多·斐波那契以兔子繁殖为例子而引入，故又称为“兔子数列”，指的是这样一个数列：0、1、1、2、3、5、8、13、21、34、……在数学上，斐波纳契数列以如下被以递归的方法定义：F(0)=0,F(1)=1,......,F(n)=F(n-1)+F(n-2)（n≥2，n∈N*）。#incl...
2018-04-04 21:30:05
1109
Abaqus最全、最经典培训教程(中文版)PPT
2019-04-30
PANDAT教程—Example-Book-2017
2019-04-30
数据结构与算法分析C++描述_Mark.Allen.Weiss
2019-04-30
《模式识别与机器学习》中文版PDF高清（可编辑）
2019-04-30
计算机组成原理(唐朔飞)
2019-04-30
Python核心编程第3版中文版
2019-04-30
Python核心编程(第二版)-习题答案
2019-04-30
Python Algorithms算法导论（Python版本）Magnus Lie Hetlang
2019-04-30
金字塔原理_高清版
2019-04-30
Computer Vision Models, Learning, and Inference计算机视觉：模型、学习、推理（英文版）
2019-04-30
推荐系统实践-项亮-Python版
2019-04-30
《算法图解Python版》
2019-04-30
OpenCV 2 计算机视觉编程手册_中文版
2019-04-30
tkinter教程
2018-12-19
PRML:模式识别与机器学习 中文版高清
2018-11-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人