5 xuluohongshang

尚未进行身份认证

暂无相关简介

等级
TA的排名 2w+

FashionAI全球挑战赛-服饰属性识别赛后技术分享

FashionAI全球挑战赛-服饰属性识别赛后技术分享(欢迎指正)

2018-06-07 22:42:14

numpy中数组和矩阵的索引方法及不同点

NumPy中数组和矩阵有些重要的区别:NumPy提供了两个基本的对象:一个N维数组对象和一个通用函数对象。其它对象都是建构在它们之上的。特别的,矩阵是继承自NumPy数组对象的二维数组对象。像平常在Python中一样,索引是从0开始的。传统上我们用矩形的行和列表示一个二维数组或矩阵,其中沿着0轴的方向被穿过的称作行,沿着1轴的方向被穿过的是列。注:他们的索引一般都采用一维数组或者布尔值组成...

2018-02-09 10:37:57

list,tuple和numpy中nparray及np.hstack(),np.vstack(),np.stack()函数关系及用法解析

增补stack的理解:The stacked array has one more dimension than the input arrays.注意:arrays的含义!!!! numpy.stack(arrays, axis=0, out=None) arrays:sequence of array_like即arrays总要比输出arrays低一维,arrays里面的每一个array里...

2018-02-08 17:26:27

ubuntu下无root权限下用anaconda2从源码编译并安装caffe2 采坑日记!

相信做目标检测的同学都知道facebook已经开源了一个集成很多先进目标检测算法的库,但是官网教程主要针对采用ubuntu系统python来编译安装caffe2,由于采用深度学习服务器没有sudo权限,我花费了一天半安装GPU版的caffe2,最多的错误就是protobuff错误!!很难搞,做了很多测试才弄懂,下面做一个简单的总结,希望能帮助后来的初学者: 编译Anaconda下的Caffe2常...

2018-02-07 14:52:38

PyTorch:LeNet实现

In[5]:importtorchimporttorchvisionfromtorch.utils.dataimportDataLoaderfromtorchvision.datasetsimportMNISTfromtorchvisionimporttransformsfromtorch.autogradimportVariablefromtorch

2018-02-04 11:44:21

PyTorch入坑---初记

1.Pytorch简介Pytorch是Facebook 的 AI 研究团队发布了一个基于 Python的科学计算包,旨在服务两类场合:替代numpy发挥GPU潜能(在线环境暂时不支持GPU)一个提供了高度灵活性和效率的深度学习实验性平台2.Pytorch特点及优势2.1 Pytorch特点PyTorch 提供了运行在 GPU/CPU 之上、基础的张量操作库;可以内置的神经网络库;

2018-02-04 11:41:07

KNN

KNN 思想非常简单, 当一个新的数据输入的时候, 把该数据和训练集中的所有的数据比较一下, 距离输入数据最近的一个训练样本所属类别就是该输入数据的预测值, 这是 NN (最近邻)算法. 如果, 把上述过程的最近的一个修改成最近的 k 个, 然后这 k 个进行投票来决定预测结果, 那么, 这就是 kNN. 原理非常简单, 实现起来也不难.# -*- coding: utf8 -*-imp

2018-01-29 11:21:49

linux/ubuntu 常用操作

1.按照进程名字 kill 一种方法是使用 pkill(pkill 按照名称 pattern kill 掉), 但是, 有时候 pkill 不好使, 还是用最原始的方法吧,即ps -ef | grep "name" | awk '{print $2}' | xargs kill -9其中:awk '{print $2}':$2:表示第二个字段,表示第2列,即进程号PID; pri

2018-01-29 11:20:27

阅读论文:1502.InceptionV2-BN

参考: 论文地址:https://arxiv.org/pdf/1502.03167.pdf 详细说明:http://blog.csdn.net/hjimce/article/details/50866313 理解:http://blog.csdn.net/shuzfan/article/details/50723877 效果为什么好:https://www.zhihu.com/ques

2018-01-24 12:08:23

1409.GoogLeNet-Going deeper with convolutions

paper:链接 论文信息: inception V1(也称GoogLeNet)是2014年Christian Szegedy提出的一种全新的深度学习结构,在这之前的AlexNet、VGG等结构都是通过增大网络的深度(层数)来获得更好的训练效果,但层数的增加会带来很多负作用,比如overfit、梯度消失、梯度爆炸等。inception的提出则从另一种角度来提升训练结果:能更高效的利用计算资

2018-01-23 11:43:15

深度学习框架caffe 和 tensorflow

深度学习框架caffe 和 tensorflow

2018-01-19 17:55:09

阅读论文:1312.ICLR-Network In Network

Network In Network论文信息: 论文细节: 一般来说,所要提取的特征是高度非线性的,在传统的 CNN 中尝试使用超完备的滤波器来提取各种潜在的特征,具体来说,当需要提取某个抽象特征时,我们初始化大量的滤波器去提取尽可能多的特征,将我们期望的特征也覆盖到。如此产生的结果是网络结构复杂,参数空间过大。作者利用 Mlpconv 和 全局平均 pooling 建立了 N

2018-01-16 11:38:09

CNN及主要模型框架的技术演进

卷积神经网络的要点就是局部连接(Local Connection)、权值共享(Weight Sharing)和池化层(Pooling)中的降采样(Down-Sampling)。其中,局部连接和权值共享降低了参数量,使训练复杂度大大下降,并减轻了过拟合。同时权值共享还赋予了卷积网络对平移的容忍性,而池化层降采样则进一步降低了输出参数量,并赋予模型对轻度形变的容忍性,提高了模型的泛化能力。卷积神经

2018-01-15 22:39:20

阅读论文:AlexNet

AlexNet:ImageNet Classification with Deep Convolutional Neural Networks论文信息: 训练了一个大规模的深度卷积神经网络来将ImageNet LSVRC-2010比赛中的包含120万幅高分辨率的图像数据集分为1000种不同类别。在测试集上,本文所得的top-1和top-5错误率分别为37.5%和17.0%,该测试结果大大

2018-01-15 21:20:26

常见机器学习名词及解释

距离相关:

2018-01-12 17:01:40

多任务学习

简介:多任务学习(Multitasklearning)是迁移学习算法的一种,迁移学习可理解为定义一个一个源领域sourcedomain和一个目标领域(targetdomain),在sourcedomain学习,并把学习到的知识迁移到targetdomain,提升targetdomain的学习效果(performance)。概念解析:多任务学习(Multi-taskle

2018-01-12 16:35:45

triplet改进和变种

1.一开始是FaceNet2.一个重要的改进:image-based, Ding etal.3.对于样本挑选的改进:1)hard samples: hard positive 和hard negative (In Defense of Triplet Loss for person Re-Identification)2) hard negative (cvpr2016,车辆检索

2018-01-11 17:22:42

part-aligned系列论文:1711.Beyond Part Models- Person Retrieval with Refined Part Pooling 论文阅读笔记

Beyond Part Models- Person Retrieval with Refined Part Pooling这篇论文和1711.AlignedReID- Surpassing Human-Level Performance in Person Re-Identification这篇论文同样的出色,都将Market-1501数据集的TopRank-1性能刷到了95以上,但该论文没

2018-01-10 23:02:47

part-aligned系列论文:1707.Deep Representation Learning with Part Loss for Person ReID 论文阅读笔记

Deep Representation Learning with Part Loss for Person ReID本论文为了更好的提升reid模型在未见过的行人图像判别能力,正对现有大部分只有全局特征表达(转化为分类,一般minimize the empirical classification risk即loss)且容易过拟合而不考虑parts 局部特征表达(the representa

2018-01-10 22:58:14

1709.HydraPlus-Net-Attentive Deep Features for Pedestrian Analysis 论文笔记

HydraPlus-Net-Attentive Deep Features for Pedestrian Analysis 面向行人分析的注意力深度特征表达—HydraPlus(“九头蛇”)网络 代码资源:https://github.com/xh-liu/HydraPlus-Net论文信息: 论文介绍: 行人分析属于细粒度的行人识别任务,如行人属性识别和行人ID再识别,作者提出了一个新颖的

2018-01-09 22:33:38

查看更多

勋章 我的勋章
  • GitHub
    GitHub
    绑定GitHub第三方账户获取
  • 专栏达人
    专栏达人
    授予成功创建个人博客专栏的用户。专栏中添加五篇以上博文即可点亮!撰写博客专栏浓缩技术精华,专栏达人就是你!
  • 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!