摘要：
1、对图像进行按照独立通道进行拆分 b,g,r = cv2.split(img) #涉及到opencv的图像读取是以bgr形式来做的 img = cv2.merge(b,g,r) #对图像进行按通道混合或者使用numpy索引（注：numpy索引的耗时更短）b=img[:,:,0]2、图像边缘填充，paddingcv2.copyMakeBorder()3、图... 阅读全文
2019年6月23日
摘要：
学习一下convLSTM的相关论文，这篇论文是第一次提出ConvLSTM的论文，然后ConvLSTM就成了Keras的一个轮子。通过对原有的全连接LSTM进行改进，提出了一个卷积LSTM。虽然他们的方法有一定的成效，但是他们用的是FC-LSTM，没有把序列的空间性列入考量。（换言之，ConvLSTM可以对序列的空间性进行考量， 即有对周围感知的能力的时间序列LSTM，激动!)我们用多层LSTM进行... 阅读全文
摘要：
这篇文章是对ROLO的代码解读。首先是对单目标跟踪的实现，参考博客中的说法，主要阅读的文件有三个，接下来分别进行阅读。YOLO_network.py从代码中可以看到最终的输出是 7*7*（5*2+20），中间全连接层的输出是4096个，最终的输出位置信息是[c,x,y,w,h,p],这些都存储在yolo_out中，是以numpy方法中的.NPY文件argv_parser函数是对在调用这个py文件时... 阅读全文
摘要：
这篇博文是对ROLO的学习笔记，包括paper阅读笔记和代码学习记录。代码和paper地址在另一篇综述博文中点明，这里不再赘述。1、论文阅读摘要部分文章受到了用回归方法生成bounding box（边界框）的思路启发，探索在时间域进行回归的能力，研究了将卷积生成的高维视觉信息与LSTM的时间维度能力相结合，获得了更优的跟踪表现。在网上能搜到的关于ROLO的博客很少，基本上没人关注这个方向，应该是产... 阅读全文
2017年8月22日
摘要：
数据的探索和可视化 》 基础模型的构建 》 优化和调整 1、数据的探索和可视化 (1)包的导入 （2）加载数据及其数据的总体描述 在这一步发现数据有缺失的情况。分别是训练集的“Age”，“Cabin”和“Embarked，测试集的“Age”，“Fare”和“Cabin”。其中“Embarked”和“ 阅读全文
2017年7月23日
摘要：
在紧张的备考日语的过程中抽时间刷一下北京大学的python数据结构。查缺补漏。 早就已经知道的C语言要想使用一个变量必须先初始化，Python的变量机制是引用数据对象，例如赋值语句‘a = 0’是创建a这个变量然后指向数值0，变量可以指向任意一个数据对象，变量的类型会随着变量的变化而变化。 1 >> 阅读全文
2017年7月4日
摘要：
前言 这里是用python解决数学建模的一些问题，用到的是python3.x，scipy，numpy和matplotlib。 先补充一些基本的数据知识。 1、numpy.array() 在基础操作里，array和list是不区分的（在索引和删除一些操作还有运行时间上会有区别），python也没有ar 阅读全文
2017年6月3日
摘要：
背景：端午节假期的时候参加了学校的数学建模比赛，题目是关于共享单车的供需匹配问题，需要获得共享单车的数量和时空分布情况。 在苦苦找寻数据无果的情况下决定自己用爬虫对天津地区的mobike进行统计。 在网上找到了这篇爬虫的代码，本着少造轮子的基本原则，我选择了这个代码进行统计，这里记录一下历程，方便日 阅读全文
摘要：
强化学习是程序或者智能体通过与环境不断地进行交互学习一个从环境到动作的映射，学习的目标使累计回报最大化。 强化学习是一种试错学习，在各种状态选需要尽量尝试所有可以选择的动作，通过环境的反馈来判断动作的优劣，最终获得环境和最优动作的映射关系。 （马尔可夫）MDP通常来描述一个强化学习问题，智能体根据当 阅读全文
摘要：
利用sklearn中的神经网络进行数字识别。 先简单搬运占坑，暂时用不到。 如果使用knn算法 以后填。 ：） 阅读全文
