talentstars-CSDN博客

原创从头开始梳理去年敲注释无意义

import numpy as npimport torchimport torch.nn as nn import torch.optim as optim from torch.autograd import Variabledtype = torch.FloatTensor # 本次将要训练的句子集，也就是输入sentences = [ "i like dog", "i love coffee", "i hate milk"]# 以下两行代码是将上面sentences列表中的单词.

2022-04-29 18:19:20 1364 1

原创没意义没意思

图1 我的前端圣经图2 echarts插件<!DOCTYPE html><html lang="en"> <head> <meta charset="UTF-8" /> <meta name="viewport...

2022-04-29 18:03:05 941

原创七种启发式算法

老师推荐的一篇知乎北大大神非常好的文章：主要介绍的是scikit-opthttps://github.com/guofei9987/scikit-opt主要计算：一个封装了7种启发式算法的 Python 代码库：（差分进化算法、遗传算法、粒子群算法、模拟退火算法、蚁群算法、鱼群算法、免疫优化算法）安装：pip install scikit-opt一、快速开始1. 差分进化算法Step1：定义你的问题，这个demo定义了有约束优化问题'''min f(x1, x2, x3)

2021-12-06 16:28:47 8391 1

原创 Background Matting: The World is Your Green Screen与图像分割实现

论文地址：https://arxiv.org/abs/2004.00626代码：https://github.com/senguptaumd/Background-Matting背景介绍抠图是照片编辑和视觉效果中使用的标准技术，在现有的抠图算法中，要想抠出一个好的maks一般需要三分图（trimap由前景，背景，未知片段组成）。虽然现在也有不需要三分图的算法正在发展，但是这种不需要三分图的算法，在抠图的质量与有三分图的算法没有可比性。因此，在本算法中除了需要原图片之外，还需要一张额外的背景图

2021-11-25 22:56:10 478

原创基于Attention_CNN_GRU的野生动物监测图像分类

大一的时候突发奇想选择了这样的一个方向，并查阅了相关文献，努力去完成这样的一个系统化的东西。但确实这方面做的人很少，也没有找到有关的进行学习，做的也是很是缓慢，同时也是运用到了Paddle框架，Paddle的一小部分展示如下：import paddle import sysimport osimport paddlehub as hub module = hub.Module(name='resnet50_vd_animals')Downloading resnet50_vd_an

2021-11-24 00:21:37 3073 4

原创基于CRNN+CTC的改进图像文本识别算法

上一次介绍了基于改进EAST(An Efficient and Accurate Scene Text Detector)算法的文本定位算法这次我来介绍基于卷积循环神经网络CRNN （Convolutional Recurrent Neural Network）的图像文本的识别算法进行研究。我们首先来看是利用PaddlePaddle实现的CRNN文字识别。以下是摘取了部分代码（CRNN网络模型）。# CRNN网络模型#################### 自己写的代码这里开始 ##########

2021-11-23 22:48:16 4663

原创场景文字检测—CTPN原理与实现

对于复杂场景的文字识别，首先要定位文字的位置，即文字检测。这一直是一个研究热点。相比较于EAST算法，CTPN对于水平文字的检测更好，而对于倾斜文本的检测却显得逊色很多。https://arxiv.org/abs/1609.03605CTPN是在ECCV 2016提出的一种文字检测算法。CTPN结合CNN与LSTM深度网络，能有效的检测出复杂场景的横向分布的文字，效果如图1，是目前比较好的文字检测算法。由于CTPN是从Faster RCNN改进而来。

2021-11-23 00:02:08 1900

原创元学习：Meta Learning on a Sequence of Imbalanced Domains with Difficulty Awareness（二）

上篇文章主要阐述了元学习的相关知识以及顶会论文所要进行的事情是什么，末尾提到了在线域更改，当然他们所做的事情是非常有意义的。对于顶会论文我觉得目前对我来说重要的是先读取思想看能否为我利用，再实现代码等的复现与迁移。In this section, we design the memory management mechanism for determining which task to be stored in the memory and which task to be moved out. Th

2021-11-07 12:52:03 577

原创 Vue（尚硅谷天禹老师）+ axious + ajax (一）

天禹老师的尚硅谷课程在七月下旬才出来。本着复习的目的重新快速地听了天禹老师的课，觉得老师讲得很细很好，同时也防止自己遗忘，因此快速复习后隔一段时间就记笔记。在其中也加一点自己的理解与问题。前端负责的是把数据展示在页面上很多前端的小伙伴在与后端的同学进行交互时不懂得如何使用ajax。因此首先说一下前后端的交互问题：1、前端请求数据在开发中，URL主要是由后台来写好给前端。若后台在查询数据，需要借助查询条件才能查询到前端需要的数据时，这时后台会要求前端提供相关的查询参数（即URL请求的参数）。

2021-11-06 22:10:53 1563

原创基于改进EAST算法的文本检测

这段时间阅读研究了EAST算法以及在EAST算法上的改进并完成了复现运用到其他场景中去。当今社会已进入图像大数据时代，图像数量庞大种类繁多，包含大量的有用知识。从图像中高效、精准、全面地提取文本和地理信息坐标等有用知识这一课题，也成为图像处理的一个重要方向。随着近些年来深度学习技术不断进步发展，对于一些特定场景的图像文本定位任务成为国内外计算机视觉、模式识别研究方向相关学者的研究方向之一。解决特定场景图像文本信息提取问题依赖于各种神经网络模型算法。需要考虑到各种因素，一般将场景文本提取拆分为两个主要

2021-11-06 15:14:48 4107 1

原创 SVM模型的深入理解与运用（Python与C#实现）

今天在准备SVM的一个答辩。于是重新深入理解了SVM的原理，从去工作的学长那里了解到现在的面试都已经开始询问SVM的数学原理，而SVM 的学习难点可能在于算法的理解和理论推导，而几个月前由于数学水平的不足而一知半解，现重新回顾，也是有了不一样的体验。并运用C#和Python分别对SVM完成了一定场景情况下的实现。现在机器学习的缺口已经接近饱和，深度学习也只剩于百分之八到九左右，相对于近些年的深度学习，SVM作为传统的机器学习现在仍然具有很深远的指导意义。下面是对于SVM的简单介绍：SVM 是 S

2021-11-06 11:46:45 2617 2

原创元学习：Meta Learning on a Sequence of Imbalanced Domains with Difficulty Awareness（一）

https://github.com/ joey-wang123/Imbalancemeta.git. 这个是作者给出的原论文的验证的代码。本篇文章可在知网等检索网站检索。本文的名字为一类难以理解的不平衡域的元学习。我们首先简单了解一下元学习的概念：元学习是目前人工智能领域中一个令人振奋的研究方向。随着大量研究论文的发表和研究进展的取得，元学习在人工智能领域取得了重大突破。在开始探讨元学习之前，先来了解一下当前的人工智能模型的工作原理。近年...

2021-11-05 21:18:27 641

m0_51330713的博客