原创 Single shot經典算法：SSD
SSD全稱：Single Shot MultiBox Detector 特點： 增加多尺度feature map。 在feature map上使用小的卷積核預測一系列 bounding boxes 的 box offsets 與
2020-06-16 14:31:05
原创 語義分割--RefineNet
出發點：當前的語義分割方法存在限制，多階段的空間池化和卷積操作通常會使最終的圖像預測的維度降低，丟失許多精細的圖像結構。 通過反捲積濾波器進行上採樣操作無法恢復卷積過程中下采樣時丟失的信息 利用中間層的特徵生成高分辨率預測缺
2020-06-16 14:31:04
原创 SpringBoot中數據庫的字段與類中駝峯命名不對應的問題
Java的命名規範是駝峯 private Integer sortOrder; private Date createTime; private Date updateTime; 但是數據庫裏面寫的不是駝峯，如何將其對應？
2020-05-15 10:59:24
原创 隨機森林中，爲什麼oob樣本的數量是三分之一
今天看了RF，發現裏面有一個1/3的概率，到底怎麼求出來的，我看了數，推了一下公式。 模型評估方法 在機器學習中，通常把樣本分成訓練集和測試集，在劃分樣本的過程中，存在着不同的抽樣方法。 有哪些抽樣方法，他們有什麼優缺點 1.Ho
2020-04-15 13:23:57
原创 該設備或資源爲設置未接收端口（1087）上的鏈接解決辦法
網絡修復 在此之前，先用用netsh修復網絡。以管理員的身份運行cmd–>輸入netsh winsock reset—>（恢復到默認自動獲取IP和DNS服務器地址）net int ip reset c:/catalog.txt—>
2020-04-15 13:23:57
原创 tensorflow配置中出現的FutureWarning等問題
配置環境的時候出現了： FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of
2019-09-03 02:27:48
1
原创 圖像處理--對象的定位與識別
對象的定位與識別 這一章節主要講解兩個算法，Faster-RCNN 和SSD，在這之前把卷積神經網絡的其他小細節做一個總結。 Back Propagation BP網絡能學習和存儲大量的輸入-輸出模式映射關係，而無需事前揭示描述這
2019-08-08 02:36:45
2
原创 語義分割模型-DeepLab
語義分割模型-DeepLab 介紹下DeepLab系列，由谷歌推出的針對語義分割的模型，到目前爲止，共有四個版本,這裏重點介紹下前兩個版本，由於時間原因，並沒有來得及讀v3+的論文 針對其中用到的主要方法，和大家分享下 空洞卷積
2019-08-06 02:03:25
原创 無監督學習----聚類
爲什麼需要無監督學習 原始數據容易獲得，標註數據很難獲得 節約內存和計算資源 減少高維數據中的噪聲 有助於可解釋的數據分析 經常作爲監督學習的預處理部分 聚類分析 尋找樣本中的簇，使得同一簇內樣本相似，不同簇之間樣本不相似。 聚類的
2019-02-16 14:35:21
原创 半監督學習
監督學習模型需要標註數據 ◼ 學習一個可靠的模型需要大量標註數據 但是獲得有標誌的數據是很昂貴的，大量的數據還是沒有標註的 是否可以獲取免費的標註? 驗證碼就是他們收集標註信息的東西 我們能否利用無標註數據學習出更好的模型? 有些無
2019-02-14 19:47:02
2
原创 機器學習第二講-有監督學習
這一章講三種方法：線性迴歸方法，判別式的分類方法，產生式的分類方法 線性迴歸 給出房子的面積，房子的位置，計算出房子的價錢。 input是二維，面積跟位置 輸出目標是價格，我們可以用線性表達式做一個加權 因此我們可以寫成最簡單的迴
2019-02-10 19:41:39
原创 機器學習第一講統計機器學習的理論
機器學習理論與統計機器學習的理論 機器學習是一個無處不在的科學，現在人工智能非常火，其實人工智能的核心就是機器學習。這一講主要講解一下什麼是機器學習，機器學習的歷史，機器學習的新舊方法和一個簡單的例子。 機器學習方法的 現在在計算機科
2019-02-10 19:41:39
1
原创 模式識別第4章—特徵選擇和提取
特徵選擇和提取是模式識別中的一個關鍵問題： 前面討論分類器設計的時候，一直假定已給出了特徵向量維數確定的樣本集，其中各樣本的每一維都是該樣本的一個特徵； 這些特徵的選擇是很重要的，它強烈地影響到分類器的設計及其性能； 假若對不同的類別
2019-02-03 20:05:44
1
原创 問題的分解及分而治之算法
給我們一個問題應該怎麼觀察： 1，先從最簡單的case入手 2:，觀察INPUT的關鍵數據結構 3，我們還得看能不能合上，看的是OUTPUT，就是把子問題的output變成原問題的output select problem：the
2018-12-07 19:39:22
原创 第五章-圖像復原筆記
圖像退化是由一個退化函數H(u,v)+一個噪聲產生N(u,v)的g(x,y)。圖像復原的目的是獲得關於原始圖像的近似估計。通常我們希望我們估計的圖像能極可能的接近原始圖像，並且H和N的信息知道的越多，則得到的圖像就越接近原始圖像。 空
2018-11-20 04:52:12
8