原创 tensorflow和pytorch比較
pyorch的坑 RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operati
2020-07-06 19:14:26
4
原创 實驗失敗記錄
實驗失敗1 多個不同模型用相同數據集訓練後，增加一個未標記數據集進行預測，找出未標記數據集中的兩個模型預測結果相同的數據加入訓練集，訓練模型，重複此過程。 驗證結果，不能提高測試集的準確率。
2020-07-06 19:14:26
1
原创 相機內參與外參學習記錄與理解
1整體介紹 首先，不考慮這些術語，考慮一下成像的流程。我們是在三維空間中生活，假想xw,yw,zw位置附近有一個籃球，而在另外一個其他位置有一個針孔相機，用這個針孔相機對籃球拍照，而拍照時照片中的籃球的像只和籃球面對照相機的那一面有關係，
2020-06-21 20:55:07
42
原创 人臉匹配學習記錄
論文FaceNet: A Unified Embedding for Face Recognition and Clustering 代碼：https://github.com/davidsandberg/facenet 需要注意的地方：
2020-06-21 20:55:07
原创 圖像處理算法整理
1，清晰度相關算法 鈍化或去燥：中值濾波、高斯濾波、傅立葉變換方法、小波變換方法 銳化：邊緣提取算法、直方圖或區塊直方圖算法、傅立葉變換方法、小波變換方法 傅立葉變換與小波變換的原理是：兩者都是用希爾伯特函數空間的一組正交函數基來將圖像函
2020-06-21 20:55:07
1
原创 條件隨機場CRF（condition random field）學習記錄
https://www.cnblogs.com/ooon/p/5817732.html 這個寫的比較細與清晰。 概率無向圖模型又稱爲馬爾可夫隨機場（Markov random field)， 成對馬爾可夫性局、部馬爾可夫性和全局馬爾可夫性
2020-06-21 20:55:07
原创 keras中trainable問題測試
多gpu情況測試 測試1，凍結原模型的某一層，且此操作在生成多gpu模型之後，是否能夠凍結權重？ 答案：不能 測試2，凍結原模型的某一層，且此操作在生成多gpu模型之前，是否能夠凍結權重？ 答案：能。 結論：凍結某一層只需要凍結原
2020-06-21 20:55:07
原创 Trident Networks學習記錄
論文的主題及主要改進的東西： 主要通過改變dilation rate來變化receptive field的大小，測試不同的receptive field 對識別不同大小的目標的影響。最後證明receptive field確實是對識別有影響
2020-06-21 20:54:56
原创 batch normalization閱讀及tensorflow實現
1，核心觀點 一個預測函數的輸入應是同一分佈，而在訓練過程中由於前面網絡的不斷變化導致後面的網絡的輸入距離波動，因此後面網絡的輸入分佈也變化。利用類似圖像白化的方法處理任意一層網絡的輸入。 2，數學計算流程 https://blog.
2020-06-21 20:54:56
原创 MAP學習記錄
主要參考https://github.com/rafaelpadilla/Object-Detection-Metrics 名詞解釋 預測結果分爲4個類： TP：你的預測正確的預測了目標 FP：你的預測錯誤的預測了目標 FN：有一個目標你
2020-06-21 20:54:56
1
原创 NLP信息提取工作記錄
主要任務 將各個醫院不同格式的病歷中的信息提取出來，這些信息包括姓名、出生地、年齡、疾病史、出院情況、出院有什麼症狀，有哪些治療歷史等信息。信息提取後還應將這些信息按照項目一個個的存儲到mysql數據庫中。 具體實現過程 由簡至繁的的
2020-06-21 20:54:56
原创 相機標定學習記錄
https://www.cnblogs.com/wangguchangqing/p/8335131.html 大體計算流程 第一步算每張圖片的單應矩陣H，但應矩陣有8個未知參數，共需8個像素座標和世界座標來算，8個對應點： 第二步：
2020-06-21 20:54:56
原创 風格轉換模型學習記錄
論文名稱：A Neural Algorithm of Artistic Style 主要結果：將一副圖片中的風格與另一幅圖片中的內容相轉換。如下圖： 原理：深度學習時一個連續函數模型f(x)=y。其中y是特徵，而x是原圖，現在假設知道了
2020-06-21 20:54:56
3
原创 動態規劃學習記錄
參考資料： 網上看了很多博客，都不是太靠譜。最後閱讀了下《運籌學第三版》（清華大學出版社），感覺裏面的內容將的比較透徹，細節上也寫的很好。 大體介紹 文中主要用動態規劃和窮舉進行比較，如下圖中的問題，從A點到G點的最短路徑。 窮舉法的話
2020-06-21 20:54:56
原创 光流法學習記錄
https://blog.csdn.net/qq_41368247/article/details/82562165參考這個寫的也很細 補充的地方就是泰勒級數展開那一步糾結了1個小時，特意去看了一下多元泰勒級數展開： https://zh
2020-06-21 20:54:56