摘要：
前言： 接着上一篇文章提到的RCNN网络物体检测，这个网络成功的引入了CNN卷积网络来进行特征提取，但是存在一个问题，就是对需要进行特征提取图片大小有严格的限制。当时面对这种问题，rg大神采用的是对分割出的2000多个候选区域，进行切割或者缩放形变处理到固定大小，这样虽然满足了CNN对图片大小的要求 阅读全文
摘要：
这篇笔记，仅仅是对选择性算法介绍一下原理性知识，不对公式进行推倒. 前言： 这篇论文介绍的是，如果快速的找到的可能是物体目标的区域，不像使用传统的滑动窗口来暴力进行区域识别.这里是使用算法从多个维度对找到图片中，可能的区域目标，减少目标碎片，提升物体检测效率. 下面是这篇文章的笔记： 介绍及引言： 阅读全文
摘要：
1. RCNN的模型（如下图）描述: RCNN相比传统的物体检测，还是引入传统的物体检测的基本流程，先找出候选目标物体，逐个的提取特征，不过rbg大神引入了当时炙手可热的CNN卷积网络取代传统上的HOG，DPM,LBP,SIFT等算法来对图像的特征进行提取，值得说道的是CNN由于可以放到GPU上，所 阅读全文
摘要：
前言： 由于业务需要，接触caffe已经有接近半年，一直忙着阅读各种论文，重现大大小小的模型. 期间也总结过一些caffe源码学习笔记，断断续续，这次打算系统的记录一下caffe源码学习笔记，巩固一下C++，同时也梳理一下自己之前的理解。 正文： 我们先不看caffe的框架结构，先介绍一下caffe 阅读全文
摘要：
前言： 1. gflag是一种命令行编码参数解析工具，开源地址： https://github.com/gflags/gflags ， 在caffe框架也使用了gflag来编码解析命令行. 那么什么是gflag呢？ 下面简单描述一下gflag: gflag支持如下数据格式：string ,doubl 阅读全文
摘要：
pca算法: 算法原理： pca利用的两个维度之间的关系和协方差成正比，协方差为０时，表示这两个维度无关,如果协方差越大这表明两个维度之间相关性越大，因而降维的时候， 都是找协方差最大的。 代码： 阅读全文
摘要：
简要的说明： dbscan为一个密度聚类算法，无需指定聚类个数。 python的简单实例： 结果： 阅读全文
摘要：
这个周六周末在考虑升级自己GPU开发机，在琢磨使用docker来配置tensorflowGPU环境,在升级软件的时候爆出了如下错误 错误发生的原因： 1. 包冲突了，导致了无法配置，我们删除掉sogoupinyin.list文件即可.这样问题就得以解决了.或者删除这两个中的一个即可. 阅读全文
摘要：
1.对单个元素的函数使用线程池: 结果： hi xijun.gong hi xijun hi gxjun 2.对于多个参数的情况使用方式： 结果： 0+1=11+3=4 3+7=102+5=74+9=13 3.如果我们想不安参数顺序赋值，可以使用这种方式： 结果： 1+0=13+1=45+2=77+ 阅读全文
摘要：
1.np.logspace(start,stop,num): 函数表示的意思是;在（start,stop）间生成等比数列num个 eg: 结果为: [ 10. 100. 1000. 10000.] 2. np.fromstring('admin',dtype=np.int8)：函数的作用是将字符串装 阅读全文
摘要：
效果图： 阅读全文
摘要：
目录： 1. 序言 2.正文 2.1 关于ROI 2.2 关于RPN 2.3 关于anchor 3. 关于数据集合制作 4. 关于参数设置 5. 参考 1.序言 叽歪一下目标检测这个模型吧，这篇笔记是依据我对源码的阅读和参考一些博客，还有rbg的论文之后，这里描述一下个人对于faster-rcnn的 阅读全文
摘要：
1. error while loading shared libraries: libgstreamer-0.10.so.0: cannot open shared object file: No such file or directory 解决方案： 阅读全文
摘要：
1 #coding:utf-8 2 import tarfile 3 import zipfile 4 import rarfile 5 import os 6 import shutil 7 class parsePackage: 8 def __init__(self): 9 self.funcMap={'tar':self.untar, 10 ... 阅读全文
摘要：
1.在安装faster-rcnn事如果报这种错误 处理方案: 这种问题出现的原因是在rbg开源这套物体检查方案时是依据的当时最新的cundnn版本，而这么多年过去，cudnn已经发布了好几个版本，所以要处理这个问题，只需要将caffe框架下的所有cudnn相关的文件替换车成当前caffe最新的即可. 阅读全文
摘要：
感知机此处不介绍，这里只是简单的做了一个使用感知机思路，训练一个y=a+b计算模型. 运行结果： 阅读全文
摘要：
问题1: The requested URL returned error: 401 Unauthorized while accessing? 问题原因： 1.无法访问是因为你将项目设置为私人的，所以无法下载. 处理办法： 1. 将其改成pubilc 2. 使用ssh进行git clone. 问题 阅读全文
摘要：
1.首先卸载protobuf,使用命令如下： 2.下载protobuf源，依据自己的需要下载： 2.1下载地址：https://github.com/google/protobuf/releases?after=v3.0.0-alpha-4.1 2.1.１: 比如下载2.5版本： 2.2下载完成之后 阅读全文
摘要：
java使用jni调用c++动态库函数. 步骤： １．编写java测试代码如下： 2. 使用javac 对代码进行编译： 3.使用javah 生成CallNativeDemo.h头文件. 生成的代码如下： 1 /* DO NOT EDIT THIS FILE - it is machine gene 阅读全文
摘要：
列出一些手头分分钟要用到的命令. 1.df -h 用来查看各个分区的大小 2.du -h --max-depth=0 /data2/xijun.gong/tt_data 用来查看文件夹的大小，并指定递归的深度. 同时也可以对目录进行排序，比如：du -hs * | sort -h 按大小排序 3. 阅读全文
摘要：
声明： 这篇笔记是自己对AdaBoost原理的一些理解，如果有错，还望指正,俯谢～ 背景： AdaBoost算法，这个算法思路简单. 正文： AdaBoost算法，是一种组合算法（通过多个弱分类器，组合成一个强分类器）: 关于AdaBoost算法的流程，简单的描述,我们以Ａ Short Introd 阅读全文
摘要：
序 由于项目需要，需要对数据进行处理，故而又要滚回来看看paper,做点小功课，这篇文章只是简单的总结一下基础的Ｋmeans算法思想以及实现； 正文： 1.基础Kmeans算法. Kmeans算法的属于基础的聚类算法，它的核心思想是： 从初始的数据点集合，不断纳入新的点，然后再从新计算集合的“中心” 阅读全文
摘要：
项目中有时候需要用到对数据进行关联分析，比如分析一个小商店中顾客购买习惯. 1 package com.data.algorithm; 2 3 import com.google.common.base.Splitter; 4 import com.google.common.collect.Lis 阅读全文
摘要：
1.训练好模型之后，进行预测时出现这种错误： 这种问题的解决方法，在全链接层fc中设置num_hidden你需要分类的个数和训练的模型的实际分类的个数参数不匹配，查看模型json，修改为对应值即可，这里修改成63及63个分类即可！ 阅读全文
摘要：
背景 前段时间，用过一些模型如vgg,lexnet，用于做监督学习训练，顺带深入的学习了一下相关模型的结构&原理，对于它的反向传播算法记忆比较深刻， 就自己的理解来描述一下BP网络. 关于BP网络的整体简述 BP神经网络，全程为前馈神经网络，它被用到监督学习中的主体思想是（我们假定我们这里各个层La 阅读全文
摘要：
在图像的深度学习中，为了丰富图像训练集，更好的提取图像特征，泛化模型（防止模型过拟合），一般都会对数据图像进行数据增强， 数据增强，常用的方式，就是旋转图像，剪切图像，改变图像色差,扭曲图像特征，改变图像尺寸大小，增强图像噪音（一般使用高斯噪音，盐椒噪音）等. 但是需要注意，不要加入其他图像轮廓的噪 阅读全文
摘要：
1. PIL image转换成array 需要注意的是，如果出现read-only错误，并不是转换的错误，一般是你读取的图片的时候，默认选择的是"r","rb"模式有关。 修正的办法: 手动修改图片的读取状态 2. array转换成image 参考资料： http://stackoverflow.c 阅读全文
摘要：
由于这些东西比较容易忘掉，在这里几下吧 1. pip 对应用进行安装： sudo pip install your_app 2. pip 对应用进行update sudo pip install --upgrade your_app 3. pip 指定你你要在某地下载的 应用，比如： sudo pi 阅读全文
摘要：
说明： 这个属于个人的一些理解，有错误的地方，还希望给予教育哈～ 此处以caffe官方提供的AlexNet为例. 目录： 1.背景 2.框架介绍 3.步骤详细说明 5.参考文献 背景： AlexNet是在2012年被发表的一个金典之作，并在当年取得了ImageNet最好成绩，也是在那年之后，更多的更 阅读全文
摘要：
1. 在安装依赖库的时候，遇到: 问题所在： 由于之前的python升级过程中，安装的不太正确，造成这个问题。 解决方案，按照如下方式修改可以通过： 参考链接： dpkg:处理 xxx (–configure)时出错解决办法 http://www.phpboke.com/dpkg-xxx-confi 阅读全文
摘要：
研究相关的图片分类，偶然看到bvlc模型，但是没有tensorflow版本的，所以将caffe版本的改成了tensorflow的: 关于模型这个图： 下面贴出通用模板： caffe版本的ImageNet模型地址： https://github.com/BVLC/caffe/tree/master/m 阅读全文
摘要：
caffe的数据层layer中再载入数据时，会先要对数据进行预处理.一般处理的方式有两种： 1. 使用均值处理 2.采用将数据乘以 1/255 使其值在0～1之间. 阅读全文
摘要：
1.Error: (unix time) try if you are using GNU date 问题所在： 在训练train.txt图片列表位置和生成的lmbd数据不符。 解决方案： 修改train.txt并重新生成lmbd 阅读全文
摘要：
目录: 1. 前言 2. 正文 2.1 梯度 2.2 梯度下降算法 2.2.1 批量梯度下降算法 2.2.2 随机梯度下降算法 3.参考文献 1.前言 这篇随笔,记录的是个人对于梯度算法的些许理解. 由于充斥着太多关于梯度算法的各种说明软文,所以呢? 本文是从一个实例出发,来逐步使用各种算法进行求解 阅读全文
摘要：
简言 机器学习的项目,不可避免的需要补充一些优化算法,对于优化算法,爬山算法还是比较重要的.鉴于此,花了些时间仔细阅读了些爬山算法的paper.基于这些,做一些总结. 目录 1. 爬山算法简单描述 2. 爬山算法的主要算法 2.1 首选爬山算法 2.2 最陡爬山算法 2.3 随机重新开始爬山算法 2 阅读全文
摘要：
1.背景: 1801年，意大利天文学家朱赛普·皮亚齐发现了第一颗小行星谷神星。经过40天的跟踪观测后，由于谷神星运行至太阳背后，使得皮亚齐失去了谷神星的位置。随后全世界的科学家利用皮亚齐的观测数据开始寻找谷神星，但是根据大多数人计算的结果来寻找谷神星都没有结果。时年24岁的高斯也计算了谷神星的轨道。 阅读全文
摘要：
从一个例子来直观感受KNN思想 如下图 , 绿色圆要被决定赋予哪个类，是红色三角形还是蓝色四方形？如果K=3，由于红色三角形所占比例为2/3，绿色圆将被赋予红色三角形那个类，如果K=5，由于蓝色四方形比例为3/5，因此绿色圆被赋予蓝色四方形类。 从这个例子中,我们再来看KNN思想: 实现代码: KN 阅读全文
摘要：
首先输入: 显示: 分析: 原因是,我们在将python2.7升级到python3.3时,只是将/usr/local/bin目录下修改了(使用ln -s 或者其他),然而我们的配置目录并没有修改.. 使用如下的方式可以有效的解决: 参考链接:http://askubuntu.com/question 阅读全文
摘要：
此文不对理论做相关阐述,仅涉及代码实现: 1.熵计算公式: P为正例,Q为反例 Entropy(S) = -PLog2(P) - QLog2(Q); 2.信息增量计算: Gain(S,Sv) = Entropy(S) - (|Sv|/|S|)ΣEntropy(Sv); 举例: 转化数据输入: 1 p 阅读全文
摘要：
1. 贝叶斯定理: (1) P(A^B) = P(A|B)P(B) = P(B|A)P(A) 由(1)得 P(A|B) = P(B|A)*P(A)/[p(B)] 贝叶斯在最基本题型: 假定一个场景,在一所高中男女比例为4:6, 留长头发的有男学生有女学生, 我们设定女生都留长发 , 而男生中有10% 阅读全文