随笔分类 - 机器学习相关
摘要：论文一.工件表面微小缺陷的检测与识别方法 地址：http://journal.seu.edu.cn/oa/DArticle.aspx?type=view&id=201404010 针对微小缺陷在复杂背景图像情形下分割难的问题,提出了一种基于像元搜索算法的微小缺陷检测方法.首先采用直方图均衡化提升背景
阅读全文
摘要：简介 将深度学习模型应用于自动驾驶的感知任务上，模型预测结果的准确性和实时性是两个重要指标。一方面，为了确保准确可靠的感知结果，我们会希望选择多个准确性尽可能高的模型并行执行，从而在完成多种感知任务的同时，提供一定的冗余度，但这不可避免的意味着更高的计算量和资源消耗。另一方面，为了确保车辆在各种突发
阅读全文
摘要：1.背景（Background） 上图显示了目前深度学习模型在生产环境中的方法，本文仅探讨如何部署pytorch模型！ 至于为什么要用C++调用pytorch模型，其目的在于：使用C++及多线程可以加快模型预测速度 关于模型训练有两种方法，一种是直接使用C++编写训练代码，可以做到搭建完整的网络模型
阅读全文
摘要：1. 什么是相位展开？ 相位展开（Phase Unwrapping）是一个经典的信号处理问题，它指的是从值区间中恢复原始相位值（原因在于：计算相位时，运用反正切函数，则相位图中提取的相位都是包裹在一个周期相位区间的包裹相位值，并不是真实得到的相位）。二维相位展开问题广泛存在于诸如光学测量技术（数字全
阅读全文
摘要：这本书已经读了好几章，突然觉得有必要在阅读的过程中做一些笔记或记录一些问题什么的，故现在有了此篇文章。 14.循环递归RNN，序列建模套路深 问题： （1）RNN中的“深度”与传统的深度神经网络里的“深度”有何不同？ 答：RNN中的深度主要是指时间和空间（如网络中的隐含层个数）特性上的深度。 （2）
阅读全文
摘要：前言 在深度学习的应用过程中，数据的重要性不言而喻。继上篇介绍了数据合成（个人认为其在某种程度上可被看成一种数据增强方法）这个主题后，本篇聚焦于数据增强来介绍几篇杰作！ （1）NanoNets : How to use Deep Learning when you have Limited Data
阅读全文
摘要：内容概要： (1) 介绍神经网络基本原理 (2) AForge.NET实现前向神经网络的方法 (3) Matlab实现前向神经网络的方法 －－－引例 文中以Fisher的Iris数据集作为神经网络程序的测试数据集。Iris数据集可以在http://en.wikipedia.org/wiki/Iris
阅读全文
摘要：BP（Back Propagation）神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习
阅读全文
