2018 年 10月随笔档案 - python我的最爱

跟我学算法-图像识别之图像分类（下）(GoogleNet网络, ResNet残差网络, ResNext网络， CNN设计准则）

摘要：1.GoogleNet 网络： Inception V1 - Inception V2 - Inception V3 - Inception V4 1. Inception v1 split - merge - 1*1卷积，3*3卷积， 5*5卷积， 3*3池化输入层：inception 1*1 阅读全文

posted @ 2018-10-15 21:54 python我的最爱阅读(1731) 评论(0) 推荐(0) 编辑

跟我学算法-图像识别之图像分类（上）(基础神经网络，卷积神经网络（CNN)， AlexNet，NIN, VGG）

摘要：1.基础神经网络：输入向量ｘ，权重向量w，偏置标量b，激活函数sigmoid（增加非线性度）优化手段：梯度下降优化， BP向后传播（链式规则）梯度下降优化： 1. 使用得目标函数是交叉熵 c = 1/nΣΣ[yj*lnaj^2 + (1-yj)*ln(1-aj^2)] yj表示得是样本标阅读全文

posted @ 2018-10-15 18:31 python我的最爱阅读(618) 评论(0) 推荐(0) 编辑

跟我学算法-人脸识别（Siamese network) 推导

摘要：Siamese network 训练神经网络存在两种形式：第一种：通过Siamese network 和三元组损失函数来训练图片之间的间隔第二种：通过Siamese network 和 sigmoid函数来实现二分类的训练第一种情况：在最后一层使用得是128， 1， d(x(1), x 阅读全文

posted @ 2018-10-15 11:44 python我的最爱阅读(901) 评论(1) 推荐(1) 编辑

跟我学算法-xgboost(集成算法)基本原理推导

摘要：1.构造损失函数的目标函数 2.对目标函数进行泰勒展开 3.把样本遍历转换成叶子节点遍历，合并正则化惩罚项 4.求wj进行求导，使得当目标函数等于0时的wj的值 5.将求解得到的wj反导入方程中，解得最终的目标函数 6.对样本进行分割时，用分割前的目标函数的值-分割后左右子树的目标函数的值，来划分得阅读全文

posted @ 2018-10-14 15:01 python我的最爱阅读(219) 评论(0) 推荐(0) 编辑

跟我学算法-PCA(降维)基本原理推导

摘要：Pca首先 1.对数据进行去均值 2.构造一个基本的协方差矩阵1/m(X)*X^T 3对协方差矩阵进行变化，得到对角化矩阵，即对角化上有数值，其他位置上的数为0(协方差为0)，即求特征值和特征向量的过程 4.求得特征向量的单位化矩阵，单位化特征向量矩阵*原始数据（去均值后的）即降维操作,单位化特征向阅读全文

posted @ 2018-10-13 22:54 python我的最爱阅读(499) 评论(0) 推荐(1) 编辑

跟我学算法-svm支持向量机算法推导

摘要：Svm算法又称为支持向量机，是一种有监督的学习分类算法，目的是为了找到两个支持点，用来使得平面到达这两个支持点的距离最近。通俗的说：找到一条直线，使得离该线最近的点与该线的距离最远。我使用手写进行了推导求解实例软间隔，通过设置C，使得目标函数的松弛因子发生变化，松弛因子越大，表示分类越不严格阅读全文

posted @ 2018-10-13 21:19 python我的最爱阅读(180) 评论(0) 推荐(0) 编辑

决策树与树集成模型（bootstrap，决策树（信息熵，信息增益，信息增益率，基尼系数），回归树, Bagging, 随机森林， Boosting， Adaboost， GBDT， XGboost）

摘要：1.bootstrap 在原始数据的范围内作有放回的再抽样M个, 样本容量仍为n，原始数据中每个观察单位每次被抽到的概率相等, 为1/n , 所得样本称为Bootstrap样本。于是可得到参数θ的一个估计值θ^(b)，这样重复若干次，记为B 。为了可以避免一些误差点对少量树的决策影响。 2.决策树阅读全文

posted @ 2018-10-10 22:05 python我的最爱阅读(922) 评论(0) 推荐(0) 编辑

图片拼接SIFT

摘要：图片拼接 SIFT：特征点处理：位置插值，去除低对比度点，去除边缘点方向估计描述子提取下面的程序中使用：第一步：使用SIFT生成器提取描述子和特征第二步：使用KNN检测来自A，B图的SIFT特征匹配对，形成视觉变化矩阵H 第三步：将图片A进行视觉变化，将B图片放在变换图片的左边，阅读全文

posted @ 2018-10-08 17:04 python我的最爱阅读(1119) 评论(0) 推荐(0) 编辑

图像特征与描述子（直方图，聚类，边缘检测，兴趣点/关键点， Harris角点，斑点（Blob), SIFI, 纹理特征）

摘要：1.直方图用于计算图片特征，表达，使得数据具有总结性，颜色直方图对数据空间进行量化，好比10个bin 2. 聚类类内对象的相关性高类间对象的相关性差常用算法：kmeans， EM算法， meanshift，谱聚类（密度聚类），层次聚类 kmeans聚类选取k个类中心，随机选取计算阅读全文

posted @ 2018-10-08 15:30 python我的最爱阅读(1895) 评论(0) 推荐(0) 编辑

跟我学算法-吴恩达老师（误差分析, 正确标注, 开发集和测试集的划分，数据不匹配，迁移学习，多任务学习，端到端学习）

摘要：1. 误差分析通过分析错误的标记，来判断主要是哪个原因引起了错误,这是猫的分类，观察被分错图片的原因,总结需要优化的条件 image Dog Great cat blurry comment 1 2 3 4 5 6 2. 进行正确标注当前错误率为10%，进行误差分析后，由于0.6%的错误标记引阅读全文

posted @ 2018-10-02 15:32 python我的最爱阅读(247) 评论(0) 推荐(0) 编辑

搜索

常用链接

积分与排名

随笔分类

随笔档案

阅读排行榜

评论排行榜

推荐排行榜

最新评论