11 2019 档案

西瓜书经典算法推导（四）决策树
摘要： 阅读全文
posted @ 2019-11-29 21:52 橙同学的学习笔记 阅读(559) 评论(0) 推荐(0)
论文阅读笔记（五）【CVPR2012】:Large Scale Metric Learning from Equivalence Constraints
摘要：由于在读文献期间多次遇见KISSME，都引自这篇CVPR，所以详细学习一下. Introduction 度量学习在机器学习领域有很大作用，其中一类是马氏度量学习(Mahalanobis metric learning). 什么是马氏距离？参考该篇文章【传送门】 KISS含义为：keep it sim 阅读全文
posted @ 2019-11-27 20:30 橙同学的学习笔记 阅读(752) 评论(0) 推荐(0)
西瓜书经典算法推导（三）对数几率回归（逻辑回归）
摘要： 阅读全文
posted @ 2019-11-26 23:15 橙同学的学习笔记 阅读(1103) 评论(0) 推荐(0)
论文阅读笔记（四）【TIP2017】：Video-Based Pedestrian Re-Identification by Adaptive Spatio-Temporal Appearance Model
摘要：Introduction （1）背景知识： ① 人脸识别是具有高可靠性的生物识别技术，但在低解析度(resolution)和姿态变化下效果很差. ② 步态(gait)是全身行为的生物识别特征，大部分步态识别方法是基于轮廓而不受外貌影响，但在复杂的背景和遮挡下轮廓难以提取. （2）问题场景： 假设行人 阅读全文
posted @ 2019-11-26 10:39 橙同学的学习笔记 阅读(369) 评论(0) 推荐(0)
西瓜书经典算法推导（二）多元线性回归
摘要： 阅读全文
posted @ 2019-11-24 21:26 橙同学的学习笔记 阅读(412) 评论(0) 推荐(0)
西瓜书经典算法推导（一）一元线性回归
摘要： 阅读全文
posted @ 2019-11-23 20:36 橙同学的学习笔记 阅读(661) 评论(0) 推荐(0)
论文阅读目录
摘要：综述类 名称 出版单位 1：行人重识别相关综述 (多篇) 行人重识别 名称 领域分类 方法分类 方法名称 出版单位 2：Video-Based Person Re-Identification by Simultaneously Learning Intra-Video and Inter-Video 阅读全文
posted @ 2019-11-23 15:20 橙同学的学习笔记 阅读(656) 评论(0) 推荐(0)
论文阅读笔记（三）【AAAI2017】：Learning Heterogeneous Dictionary Pair with Feature Projection Matrix for Pedestrian Video Retrieval via Single Query Image
摘要：Introduction （1）IVPR问题： 根据一张图片从视频中识别出行人的方法称为 image to video person re-id（IVPR） 应用： ① 通过嫌犯照片，从视频中识别出嫌犯； ② 通过照片，寻找走失人口. （2）图片-视频行人匹配问题的描述： （3）IVPR的难点： ① 阅读全文
posted @ 2019-11-23 15:13 橙同学的学习笔记 阅读(719) 评论(0) 推荐(0)
论文阅读笔记（二）【IJCAI2016】：Video-Based Person Re-Identification by Simultaneously Learning Intra-Video and Inter-Video Distance Metrics
摘要：摘要 （1）方法： 面对不同行人视频之间和同一个行人视频内部的变化，提出视频间和视频内距离同时学习方法(SI2DL). （2）模型： 视频内(intra-vedio)距离矩阵：使得同一个视频更紧凑； 视频间(inter-vedio)距离矩阵：使得两个匹配视频比不匹配视频距离更小. 设计了视频三元组( 阅读全文
posted @ 2019-11-21 16:43 橙同学的学习笔记 阅读(964) 评论(0) 推荐(0)
卷积神经网络（四）人脸识别和风格转换
摘要：人脸识别 1、One-shot learning（一次学习）： 仅仅通过一张图片来完成人脸识别，即只能通过一个样本来学习. similarity函数： d(img1,img2) = degree of difference between images 识别任务（verification）： if 阅读全文
posted @ 2019-11-19 11:09 橙同学的学习笔记 阅读(729) 评论(0) 推荐(0)
卷积神经网络（三）目标检测
摘要：1、目标定位：（以定位汽车为例） 将图像分类：行人、汽车、摩托车、纯背景图，使用softmax函数输出结果. 输出的结果不仅仅是分类，还有四个标记：bx、by、bh、bw. 这四个数据为被检测对象的边界框的参数. 左上角坐标(0,0)，右下角坐标(1,1). 输出结果的表示形式： 2、特征点检测： 阅读全文
posted @ 2019-11-18 14:38 橙同学的学习笔记 阅读(1434) 评论(0) 推荐(0)
卷积神经网络（二）深度卷积网络：实例探究
摘要：1、经典网络： （1）LeNet-5：识别手写数字 （2）AlexNet： （3）VGG-16： 2、Residual networks（ResNets 残差网络）： （1）Residual block（残差块）： 多个残差块构成一个残差网络： （2）残差网络的优势： 理论上，随着神经网络的深入，训 阅读全文
posted @ 2019-11-15 21:23 橙同学的学习笔记 阅读(723) 评论(0) 推荐(0)
卷积神经网络（一）卷积神经网络基础
摘要：1、Edge detection（边缘检测）： （1）卷积计算： 有一个6*6*1的灰度图像，‘*’表示卷积（convolution），过滤器（filter）为3*3矩阵. 卷积的结果为 4*4的矩阵： 左上角的第一块是通过图像矩阵的左上角3*3区域计算而来. 3*1 + 1*1 + 2*1 +0* 阅读全文
posted @ 2019-11-13 20:36 橙同学的学习笔记 阅读(967) 评论(0) 推荐(0)
改善深层神经网络（三）超参数调试、Batch正则化和程序框架
摘要：1、超参数调试： （1）超参数寻找策略： 对于所有超参数遍历求最优参数不可取，因为超参数的个数可能很多，可选的数据过于庞大. 由于最优参数周围的参数也可能比较好，所以可取的方法是：在一定的尺度范围内随机取值，先寻找一个较好的参数，再在该参数所在的区域更精细的寻找最优参数. （2）选择合适的超参数范围 阅读全文
posted @ 2019-11-11 22:16 橙同学的学习笔记 阅读(363) 评论(0) 推荐(0)
Coursera 吴恩达 深度学习 学习笔记
摘要：神经网络和深度学习 Week 1-2 神经网络基础 Week 3 浅层神经网络 Week 4 深层神经网络 改善深层神经网络 Week 1 深度学习的实用层面 Week 2 优化算法 Week 3 超参数调试、Batch正则化和程序框架 卷积神经网络 Week 1 卷积神经网络基础 Week 2 深 阅读全文
posted @ 2019-11-10 20:35 橙同学的学习笔记 阅读(570) 评论(0) 推荐(0)
改善深层神经网络（二）优化算法
摘要：1、Mini-batch 梯度下降： （1）问题背景： 假设数据集含有500万个样本，数据量庞大，训练速度缓慢. 数据构成为： X = [x(1), x(2), ..., x(m)] 规格：n*m Y = [y(1), y(2), ..., y(m)] 规格：1*m 若将数据集分成若干个子集，即mi 阅读全文
posted @ 2019-11-10 15:29 橙同学的学习笔记 阅读(511) 评论(0) 推荐(0)
改善深层神经网络（一）深度学习的实用层面
摘要：1、L 层神经网络正则化： （1）L2 正则化： （2）为什么正则化可以避免过拟合？ 当 lambda 足够大时，最小化 J 时，就会使得权重矩阵 w 趋近于0，神经网络简化为高偏差状态： lambda 较大，w 较小，由 z = w * a + b，z 也较小，以 tanh 函数为例： 当 z 在 阅读全文
posted @ 2019-11-08 22:30 橙同学的学习笔记 阅读(549) 评论(0) 推荐(0)
神经网络和深度学习（三）深层神经网络
摘要：1、深层神经网络中的前向传播： （1）单数据情况： z[1] = w[1]x + b[1] a[1] = g[1](z[1]) z[2] = w[2]a[1] + b[2] a[2] = g[2](z[2]) ... ... z[l] = w[l]a[l-1] + b[l] a[l] = g[l]( 阅读全文
posted @ 2019-11-05 22:20 橙同学的学习笔记 阅读(503) 评论(0) 推荐(0)
神经网络和深度学习（二）浅层神经网络
摘要：1、计算神经网络的输出（正向传播）： 矩阵表示： 向量化： 2、多个样本的向量化（正向传播）： 3、激活函数： （1）sigmoid函数仅用于二分分类的情况，较少使用； a = 1 / (1 + e-z) g'(z) = g(z) * (1 - g(z)) （2）tanh函数绝大多数情况下优于sig 阅读全文
posted @ 2019-11-03 22:28 橙同学的学习笔记 阅读(1253) 评论(0) 推荐(0)
神经网络和深度学习（一）神经网络基础
摘要：1、什么是神经网络？ （1）房价预测模型Ⅰ： 神经网络：size x ——> O ——> price y ReLU函数（Rectified linear unit 修正线性单元）：修改线性的函数，避免出现price未负数的情况. （2）房价预测模型Ⅱ： 即神经网络为： 2、Binary classi 阅读全文
posted @ 2019-11-03 09:47 橙同学的学习笔记 阅读(1184) 评论(0) 推荐(0)
机器学习笔记（十一）OCR技术的应用
摘要：1、介绍OCR： OCR（Photo optical character recognition 照片光学字符识别） 应用于读取电子照片中的文字. 2、算法思路： ① 识别文字区域； ② 字符切分： ③ 识别字符： 3、Sliding windows（滑动窗）： （1）在行人检测中的使用： ① 由于 阅读全文
posted @ 2019-11-01 10:44 橙同学的学习笔记 阅读(1125) 评论(0) 推荐(0)