- 博客(17)
- 收藏
- 关注
RSS订阅原创 pointnet和pointnet++
pointnet++是pointnet的改进版本，两者都可以做点云分类和点云分割 代码：pointnet系列pointnet：分类： 输入：B*N*（d+C） d为坐标xyz,C为点属性（在modelnet40数据集没有点属性）图中为B*N*3 transform:通过T-net得到B*3*3的变换矩阵，对坐标进空间变换 mlp:相当于1*1的卷积 max pool:获取全局...
2018-08-17 15:48:11
5710
2
原创 从放弃到再入门之拉格朗日对偶问题推导
普通同学的解法无约束条件：求导就可以了等式约束：代入消元，再求导不等式约束：分情况讨论（在边界上和不在边界上），分别对应1,2的情况 然而发现，有些情况消元特别复杂，甚至不能求解聪明同学的解法 发现：在最优点的情况下，约束曲面的法向量和目标函数的梯度反向必相同或相反 拉格朗日乘子法如何理解？ （在2维里可以形象的解释为z=f(x,y)在约束条件g(x,y)=c中，极值...
2018-04-17 16:15:33
17475
5
原创 集成学习从放弃到再入门之XGBOOST
牛顿法牛顿法最初是通过迭代xn+1=xn-f(xn)/f’(xn)用来求函数的零点值f(x)=0，在优化问题中即求解导函数的零点值:迭代xn+1=xn-f’(xn)/f”(xn)使f’(x)=0 GBDT和XGBOOST机器学习算法中GBDT和XGBOOST的区别有哪些？ 1. 传统GBDT以CART作为基分类器，xgboost还支持线性分类器，这个时候xgboost相当于带L...
2018-04-10 15:16:11
670
原创 车辆前景检测算法——ViBe（视觉背景提取方法）
ViBe（视觉背景提取方法）背景减除法的核心是通过分析场景的图像特征对包含了大量噪声的自然场景进行背景建模，但是背景模型的数学形式，究竟是使用高斯函数还是其它函数具有很大的争议。以GMM前景检测算法为例，当背景的变化频率超过前景目标时，算法的性能将极速降低；从参数的选取角度来说，固定参数非常有利于算法在硬件平台上的实现。但与此同时，无法根据场景变化而自适应改变的参数，其检测效果的稳定性以及对场...
2018-03-22 14:22:40
5535
1
原创 车辆前景检测算法——GMM（高斯混合背景建模）
GMM（高斯混合背景建模）在运动目标的前景检测中，GMM的目标是实现对视频帧中的像素进行前景/背景的二分类。通过统计视频图像中各个点的像素值获取背景模型，最后利用背景减除的思想提取出运动目标。 GMM假设在摄像机固定的场景下，在一段足够长的时间区间内，背景目标出现的概率要远高于前景目标。利用监控视频的这一特点，对视频帧上的任意坐标的像素值进行时间方向的统计，为每个坐标分配若干个高斯概率密度函...
2018-03-11 13:56:57
11475
原创 Mask RCNN学习笔记
原文地址：Mask RCNN 源码：matterport - github（基于Python 3、Keras和TensorFlow） 源码解析：TensorFlow实战：Chapter-8上(Mask R-CNN介绍与实现) Mask RCNN论文简介Mask R-CNN是基于R-CNN系列、FPN、FCIS等工作之上的，Mask R-CNN的思路很简洁：Faster R-CNN针...
2018-03-06 16:00:52
1721
原创 集成学习从放弃到再入门之GBDT
梯度下降法在机器学习任务中，需要最小化损失函数L(θ)，其中θ是要求解的模型参数。梯度下降法常用来求解这种无约束最优化问题，它是一种迭代方法。 具体推导为： 这里的α是步长，也就是我们通常所说的学习速率，在深度学习中需要调制的参数，可通过line search确定，但一般直接赋一个小的数。GBDTGBDT是梯度下降法从参数空间上升到函数空间的算法，也是集成学习Boosting家...
2018-02-10 08:18:41
378
原创 集成学习从放弃到再入门之 RF
随机森林维基百科概念分裂：在决策树的训练过程中，需要一次次的将训练数据集分裂成两个子数据集，这个过程就叫做分裂。特征：在分类问题中，输入到分类器中的数据叫做特征。以上面的股票涨跌预测问题为例，特征就是前一天的交易量和收盘价。待选特征：在决策树的构建过程中，需要按照一定的次序从全部的特征中选取特征。待选特征就是在目前的步骤之前还没有被选择的特征的集合。例如，全部的特征是 ABC
2018-02-02 14:07:35
781
原创 Keras多GPU及分布式
如何在多张GPU卡上使用Keras？我们建议有多张GPU卡可用时，使用TnesorFlow后端。 有两种方法可以在多张GPU上运行一个模型：数据并行/设备并行 大多数情况下，你需要的很可能是“数据并行”数据并行数据并行将目标模型在多个设备上各复制一份，并使用每个设备上的复制品处理整个数据集的不同部分数据。Keras在 keras.utils.multi_gpu_model 中提
2018-01-31 14:09:26
16849
2
原创 关于深度学习目标检测的一些改进方法
1.背景上下文一些文章通过一些手段引入背上下文提高了一定的目标检测精度，如： A Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection 在检测子网络中添加了上下文池化 Inside-Outside Net: Detecting Objects in Context with Ski
2018-01-24 13:29:36
7811
1
原创 Python -- Optparse模块学习
Python 有两个内建的模块用于处理命令行参数：一个是 getopt，《Deep in python》一书中也有提到，只能简单处理 命令行参数；另一个是 optparse，它功能强大，而且易于使用，可以方便地生成标准的、符合Unix/Posix 规范的命令行说明。from optparse import OptionParserparse = OptionParser()pars
2018-01-23 16:43:32
333
原创 Keras版Faster-RCNN代码学习（measure_map，train/test）5
Keras版Faster-RCNN代码学习（IOU，RPN）1 Keras版Faster-RCNN代码学习（Batch Normalization）2 Keras版Faster-RCNN代码学习（loss，xml解析）3 Keras版Faster-RCNN代码学习（roipooling resnet/vgg）4 Keras版Faster-RCNN代码学习（measure_map，train
2018-01-23 15:56:44
7242
15
原创 Keras版Faster-RCNN代码学习（roipooling resnet/vgg）4
Keras版Faster-RCNN代码学习（IOU，RPN）1 Keras版Faster-RCNN代码学习（Batch Normalization）2 Keras版Faster-RCNN代码学习（loss，xml解析）3 Keras版Faster-RCNN代码学习（roipooling resnet/vgg）4 Keras版Faster-RCNN代码学习（measure_map，train
2018-01-23 13:54:46
2913
原创 Keras版Faster-RCNN代码学习（loss，xml解析）3
Keras版Faster-RCNN代码学习（IOU，RPN）1 Keras版Faster-RCNN代码学习（Batch Normalization）2 Keras版Faster-RCNN代码学习（loss，xml解析）3 Keras版Faster-RCNN代码学习（roipooling resnet/vgg）4 Keras版Faster-RCNN代码学习（measure_map，train
2018-01-21 15:33:16
3231
1
原创 Keras版Faster-RCNN代码学习（Batch Normalization）2
Keras版Faster-RCNN代码学习（IOU，RPN）1 Keras版Faster-RCNN代码学习（Batch Normalization）2 Keras版Faster-RCNN代码学习（loss，xml解析）3 Keras版Faster-RCNN代码学习（roipooling resnet/vgg）4 Keras版Faster-RCNN代码学习（measure_map，train
2018-01-20 12:17:43
4807
2
原创 Keras版Faster-RCNN代码学习（IOU，RPN）1
最近开始使用Keras来做深度学习，发现模型搭建相较于MXnet, Caffe等确实比较方便，适合于新手练手，于是找来了目标检测经典的模型Faster-RCNN的keras代码来练练手，代码的主题部分转自知乎专栏Learning Machine，作者张潇捷，链接如下： keras版faster-rcnn算法详解（1.RPN计算） keras版faster-rcnn算法详解 (2.roi计算
2018-01-18 13:31:55
13208
13
原创 keras模型可视化pydot-ng 和 graphviz安装问题(ubuntu)
方法一：keras.utils.vis_utils模块提供了画出Keras模型的函数（利用graphviz） 然而模型可视化过程会报错误：from keras.utils import plot_modelplot_model(model, to_file='model.png')keras文档给出的解决方法：pip install pydot-ng & brew install graphvi
2017-12-20 11:10:22
9483
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人