随笔分类 - ai
摘要：本篇我们将深入探讨梯度下降算法在神经网络中的应用。首先，我们会从数学中的梯度概念入手，介绍梯度的定义、大小和方向，随后我们会讨论复合函数求导的技巧，最后将这些数学原理应用于神经网络中的梯度下降过程。 1. 数学中梯度的定义、大小和方向 1.1 梯度的定义 梯度是一个多变量函数的导数，它是一个向量，指
阅读全文
摘要：在传统机器学习中，回归和分类任务通常被简化为输出一个单一的确定值（如预测房价为100万元）或硬分类结果（如图像分类为“猫”）。然而，现实世界的数据往往充满不确定性、噪声和复杂性，简单地输出一个固定值往往忽略了这些因素，也无法准确表达模型对结果的信心。 例如，在房价预测中，尽管模型给出了一个100万元
阅读全文
摘要：先介绍一个简单的例子 要手动实现一个简单的卷积神经网络（CNN）来判断手写数字（1-10），我们可以使用 Python 和 TensorFlow（或其他深度学习框架）。以下是一个简单的实现思路，其中包含了手动构建卷积层、池化层、全连接层等。 假设你已经有了手写数字数据集，比如 MNIST 数据集（0
阅读全文
摘要：直方图均衡化是一种图像处理技术，旨在通过调整图像的直方图来增强图像的对比度。其基本原理是通过重新分配图像的灰度值，使图像的灰度分布更加均匀，从而改善图像的视觉效果 基本概念和原理 直方图均衡化通过改变图像的直方图来改变各像素的灰度值。原始图像的灰度分布可能集中在较窄的区间内，导致图像不够清晰。通过直
阅读全文
摘要：神经网络的核心目的是能够处理复杂的模式和关系。如果没有激活函数，神经网络中的每一层实际上只是对输入进行线性变换。例如，如果没有激活函数，输出就是一个线性组合。无论层数如何增加，整个网络的输出仍然是一个线性变换，这就意味着无论网络有多少层，最终网络的表达能力与单层网络等效，无法拟合复杂的非线性关系。激
阅读全文
摘要：在上一节【神经网络数学原理（2）反向传播】中已经讲述如何通过反向传播来优化权重的过程和数学原理，本章主要讲述参数优化，优化参数是机器学习和深度学习中至关重要的过程，其目的是通过调整模型的权重、偏置和超参数来提升模型的准确性和泛化能力。优化的最终目标是使模型能够从训练数据中学习到有效的信息，同时避免过
阅读全文
摘要：在上一节【神经网络数学原理（1）前向传播】中已经描述过神经网络结构和输入层到输出层的基本数学原理，本章主要讲述如何通过反向传播来优化权重的过程和数学原理。神经网络通过一系列的计算（前向传播）和优化过程（反向传播）来调整网络中每一层的权重，直到网络能够最小化预测值与实际值之间的误差（通常通过某种损失函
阅读全文
摘要：神经网络（Neural Networks）是一种模拟人脑神经元连接模式的计算模型，广泛应用于模式识别、机器翻译、语音识别等领域。其基本结构包括输入层、隐藏层和输出层。输入层接收外部数据，隐藏层通过加权连接和激活函数进行特征提取，输出层生成最终的预测结果。核心目的是通过不断调整权重来拟合目标函数，最终
阅读全文
摘要：高斯金字塔、高斯模糊和高斯差分是图像处理中非常重要的技术，常用于图像缩放、降噪、特征提取等领域。 1. 高斯模糊（Gaussian Blur） 高斯模糊是一种降噪技术，基于高斯函数的图像处理技术，用于平滑图像，减少噪声或细节。它在图像处理和计算机视觉中非常常用，尤其是在预处理步骤中，通过对图像应用高
阅读全文
摘要：梯度的计算是图像处理中非常基础的概念，它描述了图像中像素值的变化率。通过计算图像中每个像素点的梯度，能够帮助我们检测图像的边缘、纹理和变化区域。 数学原理 在图像处理或计算机视觉中，将图像视为一个函数 f(x,y)，其中 x和 y是图像的空间坐标，f(x,y) 是在这些坐标上的像素值。关于 x 轴的
阅读全文
摘要：1. 定义背景 卷积核（Kernel/Filter）：一个小矩阵，用于提取特定的特征，比如边缘、纹理等。 图像：可以表示为一个二维矩阵，其中每个元素是像素值。 操作步骤： 卷积核覆盖到图像的某一区域（子矩阵）。 卷积核和图像的子矩阵对应位置逐元素相乘。 将乘积求和，得到一个单一值。 按一定步幅（st
阅读全文
摘要：在机器学习和深度学习的模型训练过程中，评估模型性能是至关重要的一环。不同的任务和应用场景可能会采用不同的评估指标，常见的包括 准确率（Accuracy）、精确率或精度（Precision）、召回率（Recall）和 均值平均精度（mAP）。本文将介绍这些评估指标的定义、计算方法及其在实际中的应用。
阅读全文
摘要：目标检测数据集标注工具 CVAT本地部署 .CVAT 通过Docker进行部署。 1.从github获取CVAT的项目源码。源码地址：https://github.com/cvat-ai/cvat 拉取到本地文件夹，举例：D:\Program Files\cvat 2.打开powershell,执行
阅读全文
摘要：目标检测数据集标注工具 CVAT 使用方法 原文地址，RSMX-Blog www.cnblogs.com/rsmx/ CVAT在线网站（上传下载较慢，数据集较大时不建议使用）：https://cvat.org/ CVAT本地部署方法（Linux）：https://zhuanlan.zhihu.com
阅读全文
