原创 Transfer Learning遷移學習
如果你想實現一個計算機視覺應用，而不想從零開始訓練權重，比方從隨機初始化開始訓練，實現更快的方式通常是下載別人已經訓練好權重的網絡結構，把這個作爲預訓練遷移到你感興趣的新任務上。計算機視覺的研究社區已經很擅長把很多數據庫發佈在網絡上(如I
2020-07-07 08:54:24
3
原创 攝像頭網絡模組的使用
攝像頭和網絡模組尾線如上圖所示 利用上面兩個模組，打算自己做一個簡單的網絡攝像頭！ 在上面的模組網站上找到對應模組的接口定義資料，因爲我們要自己將對應的網線接口等接好． 本模組的接口如下： 具體的該模組的接線如上所示 該網絡模組尾線
2020-07-07 08:54:24
6
原创 卷積神經網絡.基礎知識
本文是根據吳恩達大仙^_^的卷積神經網絡課程總結的筆記 注：在數學上，卷積操作一般之前都會存在一個對filter做翻轉的操作，但是我們在深度學習上的卷積並沒有對filter做翻轉，深度學習上所說的卷積操作實際上應該叫交叉相關，但是大部分深
2020-07-07 08:54:24
1
原创 卷積神經網絡.經典神經網絡模型之ResNet
1. 提出ResNet的背景： 一般印象中，越複雜的特徵有着越強的表達特徵能力。在深度網絡中，各個特徵會不斷的經過線性非線性的綜合計算，越深的網絡輸出表示能力越強的特徵。所以網絡的深度對於學習表達能力更強的特徵至關重要，即神經網絡結構越深
2020-07-07 08:54:24
1
原创 tensorflow2------迴歸問題california_housing_dataset
import matplotlib as mpl #畫圖用的庫 import matplotlib.pyplot as plt #下面這一句是爲了可以在notebook中畫圖 %matplotlib inline import nump
2020-07-07 08:54:14
2
原创 tensorflow2------dnn實現
在tensorflow2上實現深度神經網絡的模型搭建與訓練過程。 這裏重點說明一下搭建模型過程中有使用到 批歸一化以及Dropout、selu激活函數等。 import matplotlib as mpl #畫圖用的庫 import m
2020-07-07 08:54:14
原创 tensorflow2------分類問題fashion_mnist
這裏以分類問題fashion_mnist數據集的模型訓練和使用來介紹tensorflow2.0的開發流程。 代碼中有使用訓練數據歸一化以及使用tf.keras.callbacks來監聽管理模型訓練的過程，並可視化tensorboard模型
2020-07-07 08:54:14
2
原创 tensorflow2------自定義損失函數和Layer
import matplotlib as mpl #畫圖用的庫 import matplotlib.pyplot as plt #下面這一句是爲了可以在notebook中畫圖 %matplotlib inline import nump
2020-07-07 08:54:13
原创 相關概念總結：分類問題 迴歸問題 損失函數 代價函數 目標函數 激活函數 歸一化
1 分類問題與迴歸問題 分類問題預測的是類別，模型的輸出是概率分佈(即每一個類別都有其對應的概率大小，我們選取概率最大的類別即可) 迴歸問題預測的是值，模型的輸出是一個實數值 2 目標函數 幾乎所有的機器學習算法最後都歸結爲求解最優化問題
2020-07-07 08:54:13
原创 tensorflow2------超參數搜索
1.超參數 超參數指的是：神經網絡中有很多訓練過程中不變化的參數，一般是在訓練之前就已經認爲設定好的，不像神經單元中權重與偏置都是在模型訓練過程中值不斷改變的。 網絡結構參數：幾層，每層寬度，每層激活函數等 訓練參數：batch_si
2020-07-07 08:54:13
1
原创 在yolov3上訓練自己的數據集+jetsonnano上運行tiny-yolov3
本篇文章主要是介紹一個完整快速的訓練自定義目標的全過程，具體其中一些爲什麼另起一篇文章詳細介紹 一、在PC機上實現yolov3 1.下載darknet工程 我們在github上下載其源碼工程 git clone https://gith
2020-07-07 08:54:13
1
原创 jetson nano上部署運行 tensorflow lite模型
在移動端這裏就不使用python而是使用C++作爲開發語言，總體流程就是我們在PC端交叉編譯出相關執行程序，然後在jetson nano上直接部署運行，不考慮在jetson nano上編譯，使用交叉編譯這也更加符合嵌入式軟件開發的流程(雖
2020-07-07 08:54:13
2
原创 Object Detection目標檢測
1. 滑動窗口目標檢測算法 這裏我們將會介紹如何使用卷積神經網絡來進行對象檢測，採用的是基於滑動窗口的目標檢測算法。 例如我們如果想構建一個汽車檢測算法，首先是需要創建一個標籤訓練集，即X和Y表示適當剪切的汽車圖片樣本。X表示汽車樣本
2020-07-07 08:54:12
3
原创 卷積神經網絡.經典神經網絡模型之AlexNet
論文：《ImageNet Classification with Deep Convolutional Neural Networks》 在線閱讀地址爲：https://pdfs.semanticscholar.org/09b8/120c
2020-07-07 08:54:12
原创 目標定位和特徵點檢測
1. 目標定位 目標檢測是計算機視覺領域中的一個新興的應用方向，在構建目標檢測之前，我們首先了解一下object localization目標定位。 前面說過的圖片分類任務就是算法遍歷圖片，判斷其中的對象是不是汽車，主要是圖片分類 這裏所
2020-07-07 08:54:12