摘要：
Faster RCNN训练： 四部训练法： Faster R-CNN，可以大致分为两个部分，一个是RPN网络，另一个是Fast R-CNN网络，前者是一种候选框（proposal）的推荐算法，而后者则是在此基础上对框的位置和框内的物体的类别进行细致计算。首先训练 RPN，用 RPN 输出的 prop 阅读全文
摘要：
直接采用矩阵方式建立数据集见：https://www.cnblogs.com/WSX1994/p/10128338.html 制作自己的数据集（使用tfrecords） 为什么采用这个格式？ TFRecords文件格式在图像识别中有很好的使用,其可以将二进制数据和标签数据(训练的类别标签)数据存储在 阅读全文
摘要：
常用的函数： tf.argmax(input, axis=None, name=None, dimension=None) input：输入Tensor axis：0表示按列，1表示按行 name：名称 返回的为索引 1 import tensorflow as tf 2 import numpy 阅读全文
摘要：
Tensorflow BN具体实现（多种方式）： 理论知识（参照大佬）：https://blog.csdn.net/hjimce/article/details/50866313 补充知识： ① tf.nn.moments 这个函数的输出就是BN需要的mean和variance。 方式1： tf.n 阅读全文
摘要：
argparse 介绍 argparse模块主要用来为脚本传递命令参数功能，使他们更加灵活。 代码： parser.add_argument() 调用add_argument(）向ArgumentParser对象添加命令行参数信息，这些信息告诉ArgumentParser对象如何处理命令行参数。可以 阅读全文
摘要：
1.图像卷积 图2 同样地，卷积的时候需要对卷积核进行180的旋转，同时卷积核中心与需计算的图像像素对齐，输出结构为中心对齐像素的一个新的像素值，计算例子如下 图3 这样计算出左上角(即第一行第一列)像素的卷积后像素值。 给出一个更直观的例子，从左到右看，原像素经过卷积由1变成-8。 图4 通过滑动 阅读全文
摘要：
对于简单的递归（可以写出数学表达式的递归），我们已经熟练掌握，但是对于有些递归我们有时候无从下手。这时候我们需要将抽象的问题数学化，或者能表达出来。 （本节需要掌握： 熟悉递归函数的返回是一个什么？？？） 例1：字符串的全排列问题（剑指offer） 输入一个字符串,按字典序打印出该字符串中字符的所有 阅读全文
摘要：
递归定义 递归：无限调用自身这个函数，每次调用总会改动一个关键变量，直到这个关键变量达到边界的时候，不再调用。 我们现在开始来举例子，然后总结如何写好递归程序。（这种针对可以找出数学表达式的递归程序，对于写不出数学表达式的或者不好找的会在之后的博客中补充） 例子1： n的阶乘。 我们先来写出数学表达 阅读全文