会员
周边
众包
新闻
博问
闪存
赞助商
所有博客
当前博客
我的博客
我的园子
账号设置
简洁模式
...
退出登录
注册
登录
Best·Banana
Powered by
博客园
博客园
|
首页
|
新随笔
|
联系
|
订阅
|
管理
2018年3月28日
Softmax函数
摘要: SoftMax 函数用在多分类问题里,把最后的输出结果归一化到概率值。在逻辑回归二分类问题里我们用sigmod函数将结果映射到(0,1)的概率里。在多分类里就可以用softmax函数把输出归一化到概率(0,1)里面。 SoftMax函数的公式:如果一个多分类模型的输出为 a1, a2, a3...那
阅读全文
posted @ 2018-03-28 21:14 Best·Banana
阅读(222)
评论(0)
推荐(0)
编辑
2016年12月21日
读论文笔记
摘要: 最近开始认真的去读论文了,而且慢慢读出了一点味道,首先最基本的读的速度变快了,可能是因为读的这几篇论文里重复的单词比较多,,,,害怕读的论文,过了一段时间又给忘了,所以一点一点记下来。 我做的毕设是彩色水果图像的分割嘛,所以先读的论文自然都是和水果有关的,去那些数据库搜索文献,关键词就是 fruit
阅读全文
posted @ 2016-12-21 18:08 Best·Banana
阅读(159)
评论(0)
推荐(0)
编辑
2016年12月14日
Picture Segmentation Using A Recursive Region Splitting Method
摘要: 首先 区域分割的分割方法 首先得到一个区域,(一般已原图作为第一个区域) 然后得到该区域的直方图,选取最合适的峰值作为阈值,然后选择连接区域,然后把这些区域加入下一步要处理的区域中,然后重复第一步,直到没有下一个区域或者没有合适的峰值。
阅读全文
posted @ 2016-12-14 22:36 Best·Banana
阅读(128)
评论(0)
推荐(0)
编辑
2016年12月10日
神经网络详解
摘要: http://www.moonshile.com/post/juan-ji-shen-jing-wang-luo-quan-mian-jie-xi#toc_0
阅读全文
posted @ 2016-12-10 16:58 Best·Banana
阅读(107)
评论(0)
推荐(0)
编辑
基于边缘的分割
摘要: 边缘检测是图像分割的另一种重要方法,利用图像灰度级在边缘处的突变,找到目标物体的边缘,图像中边缘处像素的灰度值不连续,这种不连续性可通过求导数来检测到。对于阶跃状边缘,其位置对应一阶导数的极值点,对应二阶导数的过零点(零交叉点)。因此常用微分算子进行边缘检测。常用的一阶微分算子有Roberts算子、
阅读全文
posted @ 2016-12-10 16:57 Best·Banana
阅读(1432)
评论(0)
推荐(0)
编辑
2016年12月9日
阈值分割方法
摘要: 阈值分割方法是一种利用图像的每个像素灰度的不同,选定一个或者多个阈值,讲图像分成不同几类,每一类中的灰度值在一个范围之内属于一个物体。这样几乎只能处理较为简单的图像,复杂的图像分割效果将不好。第一步选取正确的阈值,第二步将图像中的灰度级与这个阈值相比较并分类。 选择阈值的方法: 一 利用灰度直方图:
阅读全文
posted @ 2016-12-09 21:45 Best·Banana
阅读(2448)
评论(0)
推荐(0)
编辑
2016年12月8日
DeepLearning学习(1)--多层感知机
摘要: 想直接学习卷积神经网络,结果发现因为神经网络的基础较弱,学习起来比较困难,所以准备一步步学。并记录下来,其中会有很多摘抄。 (一)什么是多层感知器和反向传播 1,单个神经元 神经网络的基本单元就是神经元,一个神经元就是处理输入并输出的小玩意,下面是一个图 想直接学习卷积神经网络,结果发现因为神经网络
阅读全文
posted @ 2016-12-08 17:51 Best·Banana
阅读(6956)
评论(0)
推荐(1)
编辑
matlab struct结构体用法
摘要: 结构体的赋值: 结构体的赋值,这里不建议用下面这种形式进行统一赋值, s = sturct('field1',values1,'field2',values2,…) 而是建议直接赋值,就是对每一个属性进行单独赋值,因为每一个属性的长度不同,所以,直接赋值,就省去了声明的过程,方便,快捷; 例如我们要
阅读全文
posted @ 2016-12-08 14:49 Best·Banana
阅读(4235)
评论(0)
推荐(0)
编辑
matlab squeeze函数的用法
摘要: matlab中squeeze函数用于删除矩阵中的单一维(Remove singleton dimensions),比如执行下面的代码,随机产生一个1x2x3的矩阵A,然后squeeze(A)将返回一个2x3的矩阵,将第一维却掉(因为第一位大小为1): A=rand(1,2,3) squeeze(A)
阅读全文
posted @ 2016-12-08 14:34 Best·Banana
阅读(7889)
评论(0)
推荐(0)
编辑