7 萌面女xia

尚未进行身份认证

你必须非常努力,才能看起来毫不费力! 目前主要研究方向Big Data, DL,CV, Medical images

等级
TA的排名 1w+

调试M2det算法train自己的数据(VOC2007)

1.数据格式指定VOC/M2Det/train.py:20parser.add_argument('-d','--dataset',default='VOC',help='VOCorCOCOdataset')2.删掉VOC2012/M2Det/configs/m2det512_vgg.py:62dataset=dict(VOC=...

2019-07-02 17:58:03

目标检测算法---M2Det学习

算法来源Single-shot目标检测新模型,使用multi-level特征。作者机构:QijieZhao等,北京大学&阿里达摩院文章标题:《M2Det:ASingle-ShotObjectDetectorbasedonMulti-LevelFeaturePyramid》paper地址:https://arxiv.org/abs/1811.045...

2019-07-02 17:32:27

目标检测算法

分享一个特别好的目标检测算法的github地址更新超级及时,目前更新到6月10日。感觉目前最牛的是GoogleBrain的重磅NAS-FPN算法,大家都知道FPN很work,所以NAS就干脆直接搜multi-scale怎么融合比较好,大力出奇迹,从此大家就不用再自己手动连连看了。在过去几年里,用于图像分类和目标检测的深度卷积网络在架构搜索方面取得了很大进展。与预测图像类别概率的图像分类...

2019-06-26 17:44:30

automl学习与整理2

深度学习的发展促进了相关应用的涌现。但是,深度学习模型往往具有非常大的参数搜索空间,为了保证模型的效果,经常需要机器学习专家耗费大量的时间构建深度学习模型。为了降低深度学习模型的设计成本和难度、提高模型构建效率,学界提出了一个新的概念: Automated Machine Learning(AutoML)。目前 AutoML 这一概念并无统一定义,主要理念是:通过使用 AutoML 方法,用户只...

2019-06-10 18:23:00

AutoML学习与整理1

AutoML学习与整理AutoML研究综述:让AI学习设计AI自动机器学习(AutoML)是近年来的一个热门研究方向,比如机器之心曾报道过的谷歌的基于进化算法的神经网络架构搜索方法。近日,来自德国 USU Software AG 和斯图加特大学的两位研究者发布了一篇 AutoML 综述论文,总结了近年来 AutoML 方面的新进展。机器之心整理编译了文章的主体结构,并重点翻译介绍了各种方法的基...

2019-06-10 17:43:30

代码规范相关记录

代码规范到这里来Python风格规范 — Google 开源项目风格指南不会命名的时候到这里来变量命名CODELF

2019-05-28 17:49:46

深度学习在医学影像的三大类项目应用

深度学习在医学影像的三大类项目应用医学影像的分类医学影像的检测医学影像的分割关于数据方面的补充深度学习在医学影像的应用项目目前主要几种在三个方面:分类、检测和分割。下面我就我所接触的这三个方面所用的一些方法以及一些经验进行阐述医学影像的分类常见的应用场景就是分类有没有某一类疾病?比如通过胸片判断该胸片是否有尘肺,等一系胸部疾病。最热门的就是大佬吴恩达曾经发布了一个大型数据集,14类胸部疾病的...

2019-05-28 17:36:22

分类常用的评价指标

准确率 准确率是一个用于评价分类模型的指标。通俗来说,准确率是指我们的模型预测正确的结果所占的比例。Accuracy=Number of correct predictions /Total number of predictions 对于二元分类,也可以根据正类别和负类别按如下方式计算准确率: Accuracy=(TP+TN)/(TP+FP+TN+FN) 其中,TP=真正例,...

2018-04-25 16:25:05

深度神经网络可视化工具

TensorBoard:TensorFlow集成可视化工具GitHub官方项目:https://github.com/tensorflow/tensorflow/tree/master/tensorflow/tensorboardTensorBoard涉及到的运算,通常是在训练庞大的深度神经网络中出现的复杂而又难以理解的运算。为了更方便TensorFlow程序的理解、调试与优化,Googl

2017-08-31 14:56:04

图像语义分割之FCN和CRF

前言(呕血制作啊!)前几天刚好做了个图像语义分割的汇报,把最近看的论文和一些想法讲了一下。所以今天就把它总结成文章啦,方便大家一起讨论讨论。本文只是展示了一些比较经典和自己觉得比较不错的结构,毕竟这方面还是有挺多的结构方法了。介绍图像语义分割,简单而言就是给定一张图片,对图片上的每一个像素点分类从图像上来看,就是我们需要将实际的场景图分割成下面的分割图:http://note.y

2017-06-23 16:23:40

Batch Normalization

今年过年之前,MSRA和Google相继在ImagenNet图像识别数据集上报告他们的效果超越了人类水平,下面将分两期介绍两者的算法细节。  这次先讲Google的这篇《Batch Normalization Accelerating Deep Network Training by Reducing Internal Covariate Shift》,主要是因为这里面的思想比较有普适性,而且一直答

2017-06-07 19:44:25

( 鲁棒性主成分分析)Robust PCA

很久很久没有写学习笔记了,现在记录一个老知识。主成分分析,这种方法可以有效的找出数据中最“主要”的元素和结构,去除噪音和冗余,将原有的复杂数据降维,揭示隐藏在复杂数据背后的简单结构。我们知道,最简单的主成分分析方法就是PCA了。从线性代数的角度看,PCA的目标就是使用另一组基去重新描述得到的数据空间。希望在这组新的基下,能尽量揭示原有的数据间的关系。这个维度即最重要的“主元”。PCA的目标就是找到这

2017-06-07 17:41:33

FPN最新的目标检测算法

这篇论文主要使用特征金字塔网络来融合多层特征,改进了CNN特征提取。论文在Fast/FasterR-CNN上进行了实验,在COCO数据集上刷到了第一的位置,意味着其在小目标检测上取得了很大的进步。论文整体思想比较简单,但是实验部分非常详细和充分。目前最新的基于深度学习的目标检测算法

2017-03-01 09:54:36

干货|如何调试神经网络(深度神经网络)?

神经网络的调试基本上难于绝大多数的程序,因为大部分的神经网络的错误不会以类型错误或运行时错误显现,他们只是使得网络难以收敛。如果你是一个新人,这可能会让你非常沮丧。一个有经验的网络训练者可以系统的克服这些困难,尽管存在着大量似是而非的错误信息,比如:你的网络训练的不太好。对缺少经验的人来说,这个信息令人却步;但对有经验的人来说,这是一个非常好的错误消息。它意味着样板代码已经偏移了正确道路,而

2016-12-29 10:05:03

MXnet实战心得---值得拥有

最近终于新采购的硬件性能评测做完了!!! 本次硬件性能测评的操作系统是Linux Ubuntu 14.04,主要从基础测试和专业深度学习框架测试两方面进行的测试。 基础测试用Phoronix Test Suite套件对新采购硬件系统进行了GPU、memory、CPU和IO的测试,并将测试结果上传到OpenBenchmarking.org网站,然后与旧的硬件系统的测试结果以及别人测试结果进行对比。

2016-12-27 18:35:09

武汉光谷国际人工智能产业论坛之学习

光谷国际人工智能产业论坛大会汇聚了国内外人工智能、大数据领域产学研用专家,共同探讨行业趋势、应用案例、技术动态,旨在推动产业与技术结合、合作创新、联合共赢,助力企业、社会、个人提升效能,构建起以人工智能为核心的产业生态圈。大会历时两天(11月25日-11月26日),学习了主会场和多个分会场的专题分享,收获颇多,感触最深的依然是大数据必成“利器”。首先是25日9点至12点主会场各位大咖从较高的角度讲述

2016-11-28 18:17:42

将自己的数据做成Faster RCNN的格式(VOC2007格式)

本文的主要目的是生成VOC2007格式的Annotations,ImageSets和JPEGImages数据集,以便用fasterrcnn训练。需要做的前期工作有两个:下载ImageNet数据集下预训练得到的模型参数(用来初始化)和下载VOC2007数据集。在此基础上开始生成VOC2007格式的Annotations,ImageSets和JPEGImages数据集。下载ImageNet数据

2016-10-25 15:48:56

基于Faster RCNN的医学图像检测(肺结节检测)

Faster-R-CNN算法由两大模块组成:1.PRN候选框提取模块2.FastR-CNN检测模块。其中,RPN是全卷积神经网络,用于提取候选框;FastR-CNN基于RPN提取的proposal检测并识别proposal中的目标。在学习Faster-RCNN(py-faster-rcnndemo)的基础上用自己的数据训练这里选择的是CT肺数据,关于数据处理方面的问题参照我博客:

2016-10-25 11:39:38

深度学习性能提升的诀窍

中文的原文http://geek.csdn.net/news/detail/104190 英文的原文: How To Improve Deep Learning Performance 作者: Jason Brownlee 翻译: KK4SBB 责编:何永灿,关注人工智能,投稿请联系heyc@csdn.net或微信号289416419 克服过拟合和提高泛化能力的20条技巧和诀窍你是如

2016-10-18 14:41:02

深度学习在图像识别中的研究进展与展望----王晓刚

深度学习是近十年来人工智能领域取得的最重要的突破之一。它在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域都取得了巨大成功。本文将重点介绍深度学习在物体识别、物体检测、视频分析的最新研究进展,并探讨其发展趋势。1. 深度学习发展历史的回顾现有的深度学习模型属于神经网络。神经网络的历史可追述到上世纪四十年代,曾经在八九十年代流行。神经网络试图通过模拟大脑认知的机理,解决各种机器学习

2016-09-21 15:21:30

查看更多

勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。