yao1131-CSDN博客

原创 Graph 探索之DeepWalk，Line，Node2Vec

Graph 探索之DeepWalk，Line，Node2Vec 网络表示学习**（Network Representation Learning，NRL），也称为图嵌入法（Graph Embedding Method，GEM）：用低维、稠密、实值的向量表示网络中的节点（含有语义关系，利于计算存储，不用再手动提特征（自适应性），且可以将异质信息投影到同一个低维空间中方便进行下游计算）。也就是说...

2019-11-29 22:09:38 1987

原创 Graph探索之word2vec

谷歌无监督神器之word2vec本文参考:https://blog.csdn.net/peghoty/article/details/37969979 word2vec是用来生成词向量的工具，是一种无监督的学习方法，将词语数字化后就可以做很多处理了。此处的词语向量化后其中的数字是有意义的，代表的是不同词语间的相似度。word2vec包含两个模型：CBOW和Skip-gram模型，其中基于这两...

2019-11-26 15:23:34 321

原创在ubuntu下安装两个不同版本的pytorch

背景描述：环境：　ubuntu16.04+cuda8.0+pytorch0.4.1+anaconda3想要另外安装一个pytorch1.0.0步骤：1.在anaconda３中另外建一个环境：conda create [name]2.激活环境source activate [name]　(退出环境用source deactivate)3.查看cuda 以及显卡驱动是否完好nvcc -V...

2019-01-18 16:43:02 3331 1

原创 Win10&Ubuntu16.04双系统电脑开不了机以及黑屏等问题总结

问题一：电脑重启后黑屏开不了机现象描述：自己在用ubuntu时用显卡跑了一些实验，但是跑了几次后电脑越来越卡（开的进程也比较多），关闭其他进程后还是很卡，打算重启电脑，就在这时电脑黑屏开不了机，就是主机可以开机，但是显示屏没有反映。自己把电脑主机的显卡卸了后再开机就可以了，装上显卡就不行。解决：怀疑是显卡卡槽或者连接线松动没插紧，最后试过几次没辙的时候把显卡用力往下压插进一些，电脑开机成功...

2019-01-17 22:31:19 3484

原创强化学习之Q-learning && SARSA 对比

强化学习之Q-learning && SARSA 对比Q-learning(on-policy)理论知识：趣味例子：SARSA(off-policy)理论知识Q-learning(on-policy)参考：http://www.mnemstudio.org/path-finding-q-learning-tutorial.htmhttp://www.mnemstudio.or...

2018-11-05 21:57:25 809

原创 VOT2015 Benchmark简易教程

Visual Object Tracking Benchmark使用总结一·简单介绍 Visual Object Tracking是一个认可度比较高的评估单目标跟踪算法的标准，与OTB的主要不同是OTB只会给定第一帧然后让tracker去跟，中间有失败后不会重新reset。而VOT在tracker中间过程跟丢后会重新初始化参数让算法接着跟。VOT里面的主要有两个方面的图像评估标准：...

2017-12-12 16:28:13 15550 37

转载哈达马积&克罗内克积

辨析matmul product（一般矩阵乘积），hadamard product（哈达玛积）、kronecker product（克罗内克积）

2017-10-24 17:22:25 9285

原创 Visual Tracker Benchmark简易教程

Visual Tracker Benchmark使用总结一·简单介绍 Visual Tracker Benchmark是一个认可度比较高的评估单目标跟踪算法的标准，里面的主要有两个方面的图像评估标准：precision_plot 和 success_plot，可以通过三种方式对图像进行评估：OPE,TRE,SRE.具体介绍可以参见：http://blog.csdn.net/hjl240/artic

2017-09-22 10:40:38 2519 1

原创 Machine learning学习笔记<三>

机器学习的种类一、从输出数据类型的角度1.就像我们笔记二中所说那样，输出就两种可能正确或者错误，转化为数学上的描述就是1或者0.这种情况我们称之为二分类，比如：感知器（PLA）就可以解决二分类问题。 2.输出也可能是多种类别的，比如：我们要识别0-9这十个数字，那么输出肯定就有十种可能了。类似这种我们称之为多分类问题。 3.前面两种输出都是离散的种类，那输出会不会是连续的呢？有可能哦。比如：我

2017-09-08 16:19:53 257

原创 machine learning学习笔记<二>

感知器我们从一张图说起，如上图所示，我们想要用一条直线把二维平面中的圆圈和×两个不同类别的符号分离开来。每个圆圈和×的坐标都用(x1,x2)(x_1,x_2)来表示，而我们想要画的直线的表达式就是h(x)所示。其中x1,x2x_1,x_2为已知样本，剩下要求的就是权重值wiw_i了。函数sign是这样定义的，sign(x)=1,if x≥\geq0;sign(x) = -1,ifx<0.

2017-09-06 09:30:24 302

转载 Bounding box 回归

转载自： http://blog.csdn.net/u011534057/article/details/51235964Reference link:http://caffecn.cn/?/question/160Question:我只知道，输入检测到的box，回归的是检测到box中心点，以及box长和宽到标记的box的映射。看过rcnn的回归的过程，就是把那个loss函数最小。但

2017-09-04 08:53:53 329

原创大O记号

big-o一、用途度量算法的相对复杂度，也就是算法相对复杂度的一种表示方法。二、原理 big-o主要从两个方面常数项可以忽略，低次项可以忽略入手。因为我们的目的是反映出算法的相对复杂度，对于一个计算公式来说，我们要简化对它的复杂度表示方法。比如：当n>>2时第一个不等号是把2变成了n，第二个不等号是把4变成了n^2，第三个不等号把6变成了n的立方。可以看到化简后的大O记号更简洁且

2017-09-03 16:11:43 2484 1

原创极大似然估计与EM算法

极大似然估计1.用途在已知样本的情况下，估计满足样本分布的参数。2.例子为了调查一个学校中男生的身高分布，我们随机抽取了100个男生作为样本X = {x1,x2,…,x100}；已知男生身高分布满足高斯分布，求高斯分布的参数均值和标准差。极大似然的思想就是出现的就是最大的，可以这样想，那么多学生我们随机抽取100个，刚好就抽到我们样本中那100个学生，这说明了这100个学生是所有组合中

2017-08-31 17:12:09 2252

原创从MOSSE到KCF，核化相关滤波器的历程

开山鼻祖—-MOSSE　　MOSSE算法开启了相关滤波器的大门，提出以滤波器求相关的形式来获取输出响应，进而获得最大响应处的位置也即我们期望跟踪的目标中心位置。上式中F为输入图像，G为输出响应，H*为我们需要训练得到的滤波器模板。　　我们先拿第一帧来说，第一帧会给出我们所有的信息，包括要跟踪目标的bounding box.这个时候如果输入的是boundin

2017-08-30 09:51:24 12449 2

原创论文笔记之Understanding and Diagnosing Visual Tracking Systems

Understanding and Diagnosing Visual Tracking Systems论文链接：http://dwz.cn/6qPeIb 　　本文的主要思想是为了剖析出一个跟踪算法中到底哪个部分对最终的结果影响最大，进而让我们在改进跟踪算法时更有目的性，更有轻重点。本文一作王乃岩博士在目标跟踪也是很有名气的，值得关注的大牛。　　回归本文，作者把目标跟踪分

2017-08-26 22:29:31 563

原创 machine learning 学习笔记<一>

machine learning 学习笔记<一> 声明：　　此学习笔记为个人学习台湾大学林轩田老师的公开课—–机器学习后的心得和理解，对于这么大一个方向每个人都有每个人的想法和看法，本人才疏学浅，如有理解不到位的地方还请大家多多指正。一.概述　　首先，为了理解机器学习（ML）是一个什么样的过程，我们可以从自己比较熟悉的“学习”这一概念入手。每个年龄段的人无时无刻都在学习，都在

2017-08-26 18:37:33 280

yao1131的博客