- 博客(119)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 PathCore：IAD文献解读
取model（如：wide_resnet50_2）相邻两层的输出特征:features1:32 x 512 x 28x 28 features2:32 x 1024 x 14 x 14。论文链接：[Towards Total Recall in Industrial Anomaly Detection]文中用Johson-Lindenstrauss进行降维 后得到。在ImageNet上预训练后的网络 第。
2023-04-12 13:19:35
676
1
翻译 精读：Deep Industrial Image Anomaly Detection: A Survey
在本文中，提供了一个文献回顾图像异常检测在工业制造业，关注监督方式，神经网络结构，数据集的类型和属性和评价指标。描述了来自工业制造的新设置，回顾了提出的新设置中当前的IAD算法，还深入研究了哪些网络架构设计可以显著提高异常检测性能，我们强调了图像异常检测的几个令人兴奋的未来研究方向。
2023-02-24 11:34:21
1389
2
原创 翻译：Tree Energy Loss: Towards Sparsely Annotated Semantic Segmentation
目录摘要介绍方法描述：（1）树亲和生成（2）级联过滤生成伪标签（3）为未标记的像素分配伪标签文章地址：Tree Energy Loss: Towards Sparsely Annotated Semantic Segmentation摘要 稀疏注释语义分割(SASS)的目的是训练一个具有粗粒度（即点、涂鸦和块）监督的分割网络，每幅图像中只有一小部分像素被标记。 在本文中，我们提出了一种新的树能
2022-04-22 14:30:10
875
原创 C++从0到1(9)：指针
目录1. 指针的基本概念2. 指针变量的定义和使用3. 指针所占内存空间4. 空指针和野指针5. const修饰指针6. 指针和数组7. 指针和函数1. 指针的基本概念作用：通过指针间接访问内存内存编号从0开始记录，一般用十六制数字表示可以利用指针变量保存（另一个变量）地址2. 指针变量的定义和使用语法：数据类型 *变量名;#include<iostream>using namespace std;int main() { int a = 10; //1、定义
2021-08-02 21:36:43
225
原创 C++从0到1(8)：函数
目录1. 定义2. 函数的调用3. 值传递4. 函数的常见样式5. 函数的声明6. 函数的分文件编写 作用：将一段经常使用的代码封装起来，减少重复代码，一个较大的程序，一般分为若干个程序块，每个模块实现特定的功能。1. 定义定义：返回值类型函数名参数列表函数体语句return表达式语法：返回值类型 函数名（参数1， 参数2， …）{函数体语句return 表达式}#include<iostream>usi
2021-07-30 23:56:51
336
原创 C++从0到1(7)：数组
目录1. 概述1. 概述数组特点：数组中每个元素的数据类型相同数组是由连续的内存位置组成的定义方式：数据类型 数组名[数组长度]数据类型 数组名[数组长度] = {值1，值2，值3，…}数据类型 数组名[] = {值1，值2，值3，…}#include<iostream>using namespace std;int main(){ //1. 数据类型 数组名[数组长度] int arr1[5]; arr1[0] = 0; arr1[1] = 1;
2021-07-27 21:19:51
326
2
原创 C++从0到1(6)：跳转语句
目录1. break语句2. continue语句3. goto语句1. break语句作用：用于跳出选择结构或循环结构（不再执行循环结构）使用时机：switch语句中，终止case跳出switch循环语句中，跳出当前循环语句嵌套循环中，跳出最近的内层循环语句2. continue语句作用：结束当前循环（执行本行，不再执行下面的代码，执行下次循环）#include<iostream>using namespace std;int main(){ //1、c
2021-07-22 21:38:33
152
原创 C++从0到1(5)：循环结构
目录1. while循环2. do....while循环3. for循环4. 嵌套循环1. while循环作用：满足循环条件，执行循环语句语法：while(循环条件){循环语句} // 循环条件为真，就执行循环语句#include<iostream>using namespace std;int main(){ //用while循环打印0--9 //避免死循环的出现 int num = 0; while (num < 10) { cout <&
2021-07-21 23:34:10
304
1
原创 C++从0到1(4)：选择结构
C++支持的三种程序运行结构：顺序结构： 程序按顺序执行，不发生跳转选择结构： 依据条件是否满足，有选择的执行相应功能循环结构： 依据条件是否满足，循环多次执行某段代码选择结构1. if语句#include<iostream>using namespace std;int main(){ //if //用户输入分数，如果大于600，考生一本 //1、用户输入分数 int score = 0; cout << "give a score:" <
2021-07-20 22:33:17
95
原创 C++从0到1(3)：运算符
运算符：1. 算术运算符：两个整数相除结果仍是整数（小数部分去掉）除数为0会报错#include<iostream>using namespace std;int main(){ //1、前置递增，先加1再运算 //2、后置递增，先运算后加1 int b = 10; int c = ++b * 10; cout << b << endl;//11 cout << c << endl;//110 int d = 1
2021-07-15 21:37:12
138
1
原创 C++从0到1(2)：数据类型
目录1. 整型2. sizeof关键字3. 实型（浮点型）4. 字符型5. 转义字符6. 字符串型7. 布尔类型C++规定在创建一个变量或常量时，必须要指定相应的数据类型，否则无法给变量分配内存。数据类型存在的意义：给变量分配一个合适的内存空间1. 整型作用： 整型变量表示整数类型的数据类型：数据类型占用空间取值范围short （短整型）2字节−215-2^{15}−215 ~ 2152^{15}215-1(-32768–32767)int （整型）
2021-07-14 22:34:15
263
5
原创 细粒度车型识别项目（基于DenseNet， 数据集Stanfordcars-196，准确率：95.00%）
细粒度车型识别项目基于DenseNet， 数据集Stanford cars-196，准确率：95.00%目前已被 《智能系统学报》录用知网地址：陈立潮,朝昕,潘理虎,曹建芳,张睿.基于部件关注DenseNet的细粒度车型识别.http://kns.cnki.net/kcms/detail/23.1538.TP.20210622.1126.006.html.GitHub地址：https://github.com/0chaoxin1/Car_recogniztion_DenseNet...
2021-07-06 23:24:50
1177
2
原创 神经网络参数的计算
在神经网络中参数量如何计算呢卷积层： 参数量 = 核高×\times×核宽×\times×核通道数×\times×输入通道数+偏置全连接层： 参数量 = 全连接层神经元数×\times×输入通道数+偏置BN层： 参数量 = 2（平移因子，缩放因子）×\times×输入通道数池化层：  
2021-04-07 16:56:16
1279
原创 细粒度车型识别项目（基于DenseNet201, 数据集Stanfordcars-196，准确率：94.13%）
之前做的一个细粒度车型识别项目，数据集：斯坦福大学公开细粒度车型识别数据集，196类；测试准确率达到94.13%。深度学习框架：pytorch下面是部分代码文件，有需要的联系我：wx：cx960814...
2020-11-25 11:00:23
1725
2
原创 细粒度车型识别项目（数据集Stanfordcar-196）附源代码
这是本人去年在做的一个项目，关于细粒度车型识别的，目前已被《计算机工程与应用》录用，基于ResNet152基础框架，数据集StanfordCars-196，测试准确率已达到94.7%。链出知网地址：融合独立组件的ResNet在细粒度车型识别中的应用github源码地址：Car_Recogniztion希望能对大家有所启发！主要创新点：1.下采样层 图像下采样是深度学习中获取相应缩略图
2020-11-24 16:43:07
2995
9
原创 回归问题的评价指标
回归问题的评价指标有很多，这里一一进行详细分类：点对点误差MSE均方误差 MSE(Mean Square Error)： 均方误差描述了样本真实值与预测值差方求和的平均值，在机器学习中，利用均方误差最小化优化模型的方法称为“最小二乘法”RMSE RMSE（Root Mean Square Error）即对MSE开平方根：MAE平均
2020-11-11 17:36:43
2381
原创 L1和L2正则先验分别服从什么分布?
关于L1和L2正则化可以看我的另一篇文章一篇文章搞懂：岭回归和Lasso回归 首先回答这个问题：L1是拉普拉斯分布，L2是高斯分布。我们先来看看什么是拉普拉斯分布和高斯分布拉普拉斯分布 在概率论与统计学中，拉普拉斯分布是一种连续概率分布。由于它可以看作是两个不同位置的指数分布背靠背拼接在一起，所以它也叫作双指数分布。两个相互独立同概率分布指
2020-11-10 21:10:13
2039
1
原创 支持向量机之硬间隔（一步步推导，通俗易懂）
ML经典算法：支持向量机（1）中对支持向量机的理论知识进行了总结，这里再进行详细的数学梳理！ 支持向量机随着任务的复杂度，主要有三部分知识：硬间隔、软间隔和核函数，这里先讲硬间隔！硬间隔（hard-margin） 硬间隔主要应用在可以完美线性分类的任务中，如下图所示，“x”和“o”表示两种类别，共mmm个样本：
2020-11-09 21:14:44
4565
原创 ubuntu基本操作命令超全（上）
目录简介基本操作指令打开新终端放大字体缩小字体clear：清屏sudo :获取超级管理员权限qwd：查看当前目录的绝对路径ls：列表显示当前目录下子目录和文件cd：进入目录touch：创建普通文件mkdir：创建目录文件cp：复制文件mv：移动或重命名rm：删除文件或目录rmdir：删除空白目录compress & uncompress压缩、解压缩命令帮助手册简介 作为一个程序员，Linux是使用最多的操作系统内核，Ubuntu基于linux
2020-10-26 16:31:59
1231
原创 平衡二叉树：AVL树（python）
要了解平衡二叉树，先要知道什么是平衡因子。平衡因子 平衡因子：左子树深度 – 右子树深度 如下面2幅图平衡因子分别为 -1、0 &
2020-10-22 22:01:35
345
原创 关于keras的后端
面试问到了keras后端，好好总结一下。什么是后端？ keras是一个模型级的库，提供了快速构建深度学习网络的模块。Keras并不处理如张量乘法、卷积等底层操作。这些操作依赖于某种特定的、优化良好的张量操作库。Keras依赖于处理张量的库就称为“后端引擎”。 Keras提供了两种后端引擎Theano/Tensorflow，并将其函数统一封装，使得用户可以以同一个接口调用不同后端引擎的函数如何修
2020-10-21 16:41:27
580
原创 解决：Could not load dynamic library ‘cudart64_101.dll‘； dlerror: cudart64_101.dll not found
2020-10-21 16:07:39.297448: W tensorflow/stream_executor/platform/default/dso_loader.cc:59] Could not load dynamic library ‘cudart64_101.dll’; dlerror: cudart64_101.dll not found2020-10-21 16:07:39.299448: I tensorflow/stream_executor/cuda/cudart_stub.cc.
2020-10-21 16:31:11
23095
22
原创 关于类别不平衡（理解与解决方法）
类别不平衡 (class-imbalance)：指分类任务中不同类别的训练样例数目差别很大的情况。解决方式再缩放（改变分类决策规则） 举个例子，在二分类中如果在类别平衡的情况下，假设预测为1的概率为p，则预测为0的概率为1-p，则：p1−p>1{p \over 1-p}>11−pp>1时，类别为1，否则类别为0。若类别不平衡呢，假设数据集中，类别为1的数量为m1m^1m1
2020-10-19 18:35:46
1312
原创 交叉熵损失函数（CrossEntropy Loss）（原理详解）
监督学习主要分为两类：分类：目标变量是离散的，如判断一个西瓜是好瓜还是坏瓜，那么目标变量只能是1（好瓜）,0（坏瓜）回归：目标变量是连续的，如预测西瓜的含糖率（0.00~1.00） 分类主要分为：二分类：如判断一个西瓜是好瓜还是坏瓜多分类：如判断一个西瓜的品种，如黑美人，特小凤，安农二号等 而交叉熵损失函数是分类中最常用的损失
2020-10-19 13:55:35
26366
2
原创 时间复杂度和空间复杂度(Python)
时间复杂度： 时间复杂度通常用Big O notation来表示，常见的时间复杂度有：O(1)O(1)O(1)：常数复杂度O(logn)O(logn)O(logn)：对数复杂度O(n)O(n)O(n)：线性时间复杂度O(n2)O(n^2)O(n2)：平方O(n3)O(n^3)O(n3)：立方O(2n)O(2^n)O(2n)：指数O(n!)O(n!)O(n!)：阶乘 只看最高复杂度
2020-10-12 12:19:32
1289
原创 CNN中的感受野(Receptive Field)
感受野：卷积神经网络每一层输出的特征图（feature map）上的像素点在输入图片上映射的区域大小。再通俗点的解释是，特征图上的一个点对应输入图上的区域。
2020-10-11 09:34:22
503
原创 线性判别分析LDA：详解及数学原理
线性判别分析 (Linear Discriminant Analysis，简称 LDA)是一种经典的线性学习方法。并且LDA是一种监督学习的降维技术。思想： 给定训练样例集，设法将样例投影到一条直线上，使得同类样例的投影点尽可能接近、 异类样例 的投影点尽可能远离（有些像中心损失的思想）。 在对新样本进行分类时，将其投影到 同样的这条直线上
2020-10-08 15:11:30
1009
原创 线性模型：线性回归和逻辑回归
目录1. 基本形式2. 线性回归1. 基本形式 给定由 d 个属性描述的示例 x=(x1;x2;...;xd)x = (x_1; x_2;...; x_d)x=(x1;x2;...;xd) ， 其中xix_ixi均是 a 在第 i个属性上的取值，线性模型 (linear model)试图学得一个通过属性的线性组合来进行预测的函数，即：一般用向量形式写成：ω 值的大小直观表达了各属性在预测中的重要性 &nbs
2020-10-08 10:43:34
559
原创 数据结构之二叉排序树（Python实现建立、查找、删除）
什么是二叉排序树？ 二叉排序树是这样一棵二叉树，若左子树不空，则左子树上所有结点均小于根结点，若右子树不空，则右子树上所有结点均大于根结点其左、右子树也是二叉排序树。（或为空树）（关于什么是二叉树，可以看我的另一篇博客：树和二叉树）二叉排序树的建立...
2020-10-07 20:15:29
1786
2
原创 概率分类之朴素贝叶斯分类（垃圾邮件分类python实现）
目录什么是概率分类？朴素贝叶斯分类垃圾邮件分类什么是概率分类？ 举个最简单的二分类例子：有两类（w1, w2），有样本 x ，现问：xv属于w1，还是w2？ 即求：p（w1 / x）与p（w2 / x），若p（w1 / x）> p（w2 / x）则 x 属于 w1；若p（w1 / x）< p（w2 / x）则 x 属于 w2。这就是利用概率进行分类！ &nb
2020-10-05 21:14:45
1549
1
原创 一篇文章搞懂：二叉树之哈夫曼树
目录简介哈夫曼树的构造哈夫曼编码 关于树与二叉树的其它概念和知识，可以看我的另一篇博客：一篇文章读懂：树和二叉树简介 要想了解哈夫曼树（最优二叉树，或赫夫曼树），先要了解以下概念：路径：从树中一个结点到另一个结点之间的分支构成两个结点之间的路径；路径长度：路径上的分支数目。就是从一个结点到另一个结点有多少个路径；结点的路径长度：从根到该结点的路径长度；树的路径长度：从树根到每一
2020-10-04 16:50:39
856
原创 一篇文章读懂：树和二叉树
目录树二叉树满二叉树完全二叉树二叉树的存储结构顺序存储结构链式存储结构二叉树的遍历线索二叉树赫夫曼树树和森林树与二叉树的转换森林与二叉树的转换树 树：是一种抽象数据类型或是实现这种抽象数据类型的数据结构，用来模拟具有树状结构性质的数据集合。由n（n>0）个有限结点组成一个具有层次关系的集合。 特点：每个结点有零个或多个子结点；没有父结点的节点称为根结点；每一个非根结点有且只有一个父
2020-10-04 15:26:24
141
原创 数据结构：线性表（Python实现基本操作）
目录简介顺序结构顺序表链式结构单链表循环链表双向循环链表简介线性表：n 个数据元素的有限序列。是一种常见的线性结构。线性结构特点：第一个元素无前驱最后一个元素无后继除第一个元素和最后一个元素外，所有的元素都有前驱和后继顺序结构顺序表 线性表的顺序存储结构特点：逻辑上相邻的元素物理位置上相邻随机访问 只要确定好了存储线性表的起始位置，线性表中任一数据元素都可以随机存取，
2020-10-03 19:20:49
3925
2
原创 一篇文章搞懂：岭回归和Lasso回归
目录岭回归 岭回归和Lasso回归： 给定数据集 D=(x1，y1),(x2，y2)，…，(xm，ym)D = {(x_1 ， y_1), (x_2 ， y_2) ，… ， (x_m ， y_m)}D=(x1，y1),(x2，y2)，…，(xm，ym)，其中x∈Rdx\in R^{d}x∈Rd， y∈Ry\in Ry∈R，我们考虑最简单的线性回归模型，以平方误差为损失函数，则优化目标
2020-09-22 18:54:44
9131
2
原创 机器学习中“模型误差”的总结
在机器学习中，模型误差 = 偏差（Bias）+ 方差（Variance）+ 数据本身的误差。数据本身的误差即噪声：表达了在当前任务上任何学习算法所能达到的期望泛化误差的下界，即刻画了学习问题本身的难度。噪声是怎么产生的呢？ 可能由于记录过程中的一些不确定性因素等导致，或者抽样的时候会出现一些搞错的信息，是无法避免的！能做的只有不断优化模型参数来权衡偏差和方差，使得模型误差尽可能降到最低。因此
2020-09-22 16:23:27
2868
原创 梯度下降（gradient descent）总结与比较
梯度下降法作为机器学习中较常使用的优化算法，其有着三种不同的形式：批量梯度下降（Batch Gradient Descent）、随机梯度下降（Stochastic Gradient Descent）以及小批量梯度下降（Mini-Batch Gradient Descent）。批梯度下降： 每一次迭代时使用所有样本来进行梯度的更新。 计算量
2020-09-14 12:29:12
330
转载 循环队列（Circular Queue）
可以看下这个博主写得非常详细：wowocpp 循环队列是 队列的一种特殊形式。首先介绍队列，然后引申出循环队列。 队列又称为“先进先出”(FIFO)线性表 ：限定插入操作只能在队尾进行，而删除操作只能在队首进行 队列也可以采用顺序存储结构或链表结构来实现，分别称为顺序队列和链队列队列的顺序表示—顺序队列 &n
2020-09-13 09:28:04
1861
原创 机器学习：性能度量（详解）
目录简介分类错误率与精度查准率、查全率与 FlROC 与 AUC代价敏感错误率与代价曲线简介 性能度量： 衡量模型泛化能力的评价标准（反映了任务需求，在对比不同模型的能力时，使用不同的性能度量往往会导致不同的评判结果。模型的好坏，不仅取决于算法和数据，还决定于任务需求。） 性能度量主要分为分类任务中的和回归任务中的。分类错误率与精度
2020-09-12 13:54:01
2443
原创 数据结构几大排序算法总结（实现、复杂度）
目录简介冒泡排序，快速排序简单选择排序堆排序归并排序插入排序1 直接插入排序2 希尔排序（缩小增量排序）3 折半插入排序总结简介 排序在数据结构中的内部排序部分，主要介绍了几大常见的排序算法，这里做一下简单的分析总结。 排序： 按关键字大小顺序排列数据。 时间复杂度： 简单的排序方法 O(n2n^2n2)，先进的排序方法 O(nlogn
2020-09-11 16:22:13
1712
mobilenet_v2_weights_tf_dim_ordering_tf_kernels_1.4_224_no_top.h5
2020-03-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人