2018年3月10日

摘要: 离散表示: one-hot bag of words -- 词权重 ~不能表示顺序关系 TF-IDF (Term Frequency - Inverse Document Frequency) [0.693, 1.386, 0.693, 0.693, 1.099, 0, 0, 0, 0.693, 0 阅读全文
posted @ 2018-03-10 11:00 rosyYY 阅读(339) 评论(0) 推荐(0) 编辑

2018年3月7日

摘要: http://blog.csdn.net/zziahgf/article/details/72732220 keywords 人体姿态估计 Human Pose Estimation 给定单张RGB图像,输出人体某些关键点的精确像素位置. 全卷积网络 Stacked Hourglass Networ 阅读全文
posted @ 2018-03-07 17:02 rosyYY 阅读(1652) 评论(0) 推荐(1) 编辑

2018年3月6日

摘要: nltk的全称是natural language toolkit,是一套基于python的自然语言处理工具集。自带语料库、词性分类库、自带分类分词等功能、强大社区支持、很多简单版wrapper 文本处理: preprocess -》 分词 tokenize -》make features,成为数字化 阅读全文
posted @ 2018-03-06 22:36 rosyYY 阅读(519) 评论(0) 推荐(0) 编辑

2018年3月5日

摘要: key1 numpy.save("filename.npy",a)利用这种方法,保存文件的后缀名字一定会被置为.npy,这种格式最好只用numpy.load("filename")来读取。 key2 我们将要使用的网络是教程开端提到的U-net,使用的是keras框架来构建。 损失函数是Dice系数 阅读全文
posted @ 2018-03-05 18:25 rosyYY 阅读(608) 评论(0) 推荐(0) 编辑

2018年3月3日

摘要: ppt 参数共享终于把拿一点想清楚啦,一定要知道w是矩阵! 在传统BP中,w前后连接时是all的,辣么多w使得你给我多少图片我就能记住多少信息--》导致过拟合--》cnn当中权值共享 激励层-非线性映射--不管无关信息,过滤信息 对卷积层的理解 data中第三行第三列表示-该位置对应的神经元关注图像 阅读全文
posted @ 2018-03-03 18:51 rosyYY 阅读(264) 评论(0) 推荐(0) 编辑

2018年3月1日

摘要: http://blog.csdn.net/u014568921/article/details/52518587 图像相似性搜索的原理 BOW 原理及代码解析 Bag Of Visual Words 三大步 OpenCV应用 BOW篇 Bag of Word闲谈 论文提要“Visual Catego 阅读全文
posted @ 2018-03-01 16:15 rosyYY 阅读(311) 评论(0) 推荐(0) 编辑
 
摘要: 霍夫变换 http://blog.csdn.net/sudohello/article/details/51335237 http://blog.csdn.net/glouds/article/details/39002113 在参数空间相交于同一点的所有直线,在图像坐标空间都有共线的点与之对应。根 阅读全文
posted @ 2018-03-01 15:12 rosyYY 阅读(299) 评论(0) 推荐(0) 编辑

2018年2月28日

摘要: 分水岭算法: 任何一幅灰度图像都可以被看成拓扑平面,灰度值高的区域可以被看成是山峰,灰度值低的区域可以被看成是山谷。我们向每一个山谷中灌不同颜色的水,随着水的位的升高,不同山谷的水就会相遇汇合,为了防止不同山谷的水汇合,我们需要在水汇合的地方构建起堤坝。不停的灌水,不停的构建堤坝直到所有的山峰都被水 阅读全文
posted @ 2018-02-28 17:14 rosyYY 阅读(348) 评论(0) 推荐(0) 编辑
 
摘要: C:\yyy\ml\dengsong\ChinaHadoop\ChinaHadoop_C4-master\ChinaHadoop_C4-master\C4_ResNet_TF http://blog.csdn.net/zhangboshen/article/details/70852373 类似代码 阅读全文
posted @ 2018-02-28 14:00 rosyYY 阅读(227) 评论(0) 推荐(0) 编辑
 
摘要: 转: http://www.cnblogs.com/gujianhan/p/6030639.html key1: FCN对图像进行像素级的分类,从而解决了语义级别的图像分割(semantic segmentation)问题。与经典的CNN在卷积层之后使用全连接层得到固定长度的特征向量进行分类(全联接 阅读全文
posted @ 2018-02-28 10:31 rosyYY 阅读(2216) 评论(0) 推荐(0) 编辑