原创 Pytorch CIFAR-10分類(LeNet5)

文章目錄1.數據讀取2.定義網絡(LeNet5)3. 定義損失函數和優化器4.訓練5.測試6.保存模型7.預測 CSDN只作爲查看網絡結構,具體代碼和結果展示請移步GitHub 1.數據讀取 CIFAR-10 是由 Hinton

原创 模型評估指標(Confusion Matrix、ROC、AUC)

文章目錄1、選擇合適的模型評估指標的依據2、混淆矩陣(Confusion Matrix)2.1 模型整體效果:準確率2.2 捕捉少數類:精確率(Precision)、召回率(Recall)和F1-score2.2.1 精準率(Pr

原创 XGBoost原理及使用

1、XGBoost算法原理: 關於XGBoost算法的原理部分,有興趣的可以去看XGBoost的論文和陳天奇的PPT。 對英文有障礙的朋友可以去看劉建平博客總結的非常好。 2、XGBoost庫比較: XGBoost有2種Pytho

原创 目標檢測框架——Dtectron2

前言 目標檢測的模型還是很多的,要挨個挨個學還是有點喫力(精力旺盛可忽略),所以這裏總結一下當前流行的目標檢測的框架:darknet yolov4,mmdetection2.0,detectron2.0。至於這三個框架怎麼去選擇,

原创 MTCNN/LPRNet車牌識別細節

文章目錄1.獲取車牌圖片2.MTCNN數據處理2.1 PNet網絡數據預處理2.2 PNet網絡訓練2.3 ONet網絡數據預處理2.4 ONet網絡訓練3. LPRNet數據處理和訓練4. 預測4.1 PNet過程4.2 ONe

原创 Pytorch CIFAR-10分類(GoogLeNet)

4.定義網絡(GoogLeNet) GoogLeNet在2014年由Google團隊提出(與VGG網絡同年,注意GoogLeNet中的L大寫是爲了致敬LeNet),斬獲當年ImageNet競賽中Classification Tas

原创 目標檢測框架——mmdetection2.0

前言 目標檢測的模型還是很多的,要挨個挨個學還是有點喫力(精力旺盛可忽略),所以這裏總結一下當前流行的目標檢測的框架:darknet yolov4,mmdetection2.0,detectron2.0。至於這三個框架怎麼去選擇,

原创 Pytorch Mask RCNN訓練自定義數據集

文章目錄前言(必讀)下面介紹採坑:1. 訓練自己的數據集1.1 準備圖片1.2 數據標註工具(labelme)1.3 如何安裝labelme1.4 製作數據集1.6 安裝 pycocotools2. 定義 Faster RCNN

原创 Pytorch CIFAR-10分類(VGGNet16)

VGGNet VGG-16 一些性質: VGG 是一個很經典的卷積神經網絡結構,是由 AlexNet 改進的,相比於 AlexNet,主要的改變有兩個地方: 使用 3 x 3 卷積核代替 AlexNet 中的大卷積核 使用 2

原创 Pytorch CIFAR-10分類(DenseNet)

4.定義網絡(DenseNet) 前面ResNet通過前層與後層的“短路連接”(Shortcuts),加強了前後層之間的信息流通,在一定程度上緩解了梯度消失現象,從而可以將神經網絡搭建得很深。更進一步,DenseNet最大化了這種

原创 目標檢測框架——Darknet YOLOv4

前言 目標檢測的模型還是很多的,要挨個挨個學還是有點喫力(精力旺盛可忽略),所以這裏總結一下當前流行的目標檢測的框架:darknet yolov4,mmdetection2.0,detectron2.0。至於這三個框架怎麼去選擇,

原创 Pytorch CIFAR-10分類(AlexNet)

4.定義網絡(AlexNet) AlexNet 結構: 輸入層:圖像大小爲 227×227×3,其中 3 表示輸入圖像的 channel 數(R,G,B)爲 3。 卷積層:filter 大小 11×11,filter 個數 9

原创 Pytorch CIFAR-10分類(ResNet18)

4.定義網絡(ResNet-18/34/50/101/152) ResNet網絡是在2015年由微軟實驗室提出,斬獲當年ImageNet競賽中分類任務第一名,目標檢測第一名。獲得COCO數據集中目標檢測第一名,圖像分割第一名。下圖

原创 隨機森林 RandomForest

隨機森林 RandomForest1、集成學習1.1 Sklearn中的集成算法模塊2、隨機森林 RandomForest2.1 優缺點分析2.2 分類/迴歸2.2.1 RandomForestClassifier2.2.2Ran

原创 NumPy 基礎:函數總結

文章目錄1 NumPy - 數組生成函數2 NumPy - 數組的一些基本屬性3 NumPy - 修改數組的形狀4 NumPy - 數組元素的添加/刪除5 NumPy - 數組的連接/分割函數6 NumPy - 通用函數7 Num