摘要：
博客：blog.shinelee.me | 博客园 | CSDN 写在前面 Feature scaling，常见的提法有“特征归一化”、“标准化”，是数据预处理中的重要技术，有时甚至决定了算法能不能work以及work得好不好。谈到feature scaling的必要性，最常用的2个例子可能是： 特 阅读全文
摘要：
博客：blog.shinelee.me | 博客园 | CSDN 写在前面 梯度是微积分中的基本概念，也是机器学习解优化问题经常使用的数学工具（梯度下降算法），虽然常说常听常见，但其细节、物理意义以及几何解释还是值得深挖一下，这些不清楚，梯度就成了“熟悉的陌生人”，仅仅“记住就完了”在用时难免会感觉 阅读全文
摘要：
博客：blog.shinelee.me | 博客园 | CSDN 写在前面 2D图像常见的坐标变换如下图所示： 这篇文章不包含透视变换（projective/perspective transformation），而将重点放在仿射变换（affine transformation），将介绍仿射变换所包 阅读全文
摘要：
博客：blog.shinelee.me | 博客园 | CSDN 卷积运算与相关运算 在计算机视觉领域，卷积核、滤波器通常为较小尺寸的矩阵，比如$3\times3$、$5\times5$等，数字图像是相对较大尺寸的2维（多维）矩阵（张量），图像卷积运算与相关运算的关系如下图所示（图片来自链接），其中 阅读全文
摘要：
博客：博客园 | CSDN | blog 写在前面 Closed-set 和 Open-set 人脸识别的对比如下， 两张人脸图像，分别提取特征，通过计算特征向量间的距离（相似度）来判断它们是否来自同一个人。选择与问题背景相契合的度量方式很重要，人脸识别中一般有两种，欧氏距离和余弦距离（角度距离）。 阅读全文
摘要：
博客：博客园 | CSDN | blog 写在前面 如果$arctan$的计算成为了瓶颈，那么是时候对其进行优化了。 $arctan$的近似计算本质上是在所需精度范围内对$arctan$曲线进行拟合，比较直接的想法是泰勒展开， \[ \arctan (x)=x-\frac{x^{3}}{3}+\fr 阅读全文
摘要：
博客：博客园 | CSDN | blog 写在前面 在数值计算中，为了控制精度以及避免越界，需要严格控制数值的范围，有时需要知道二进制表示中"left-most 1"或"right-most 1”的位置，这篇文章就来介绍一下通过**德布鲁因序列（De Bruijn sequence）**来快速定位的 阅读全文
摘要：
博客： "博客园" | "CSDN" | "blog" 写在前面 如题，这篇文章将尝试从卷积拆分的角度看一看各种经典CNN backbone网络module是如何演进的，为了视角的统一，仅分析单条路径上的卷积形式。 形式化 方便起见，对常规卷积操作，做如下定义， $I$：输入尺寸，长$H$ 宽$W$ 阅读全文
摘要：
[TOC] 博客： "博客园" | "CSDN" | "blog" 写在前面 在博客《ResNet详解与分析》中，我们谈到ResNet不同层之间的信息流通隐含在“和”中，所以从信息流通的角度看并不彻底， 相比ResNet，DenseNet最大的不同之处在于，并不对feature map求elemen 阅读全文
摘要：
[TOC] 博客： "博客园" | "CSDN" | "blog" Resnet要解决的是什么问题 ResNets要解决的是深度神经网络的“退化”问题。 什么是“退化”？ 我们知道，对浅层网络逐渐叠加layers，模型在训练集和测试集上的性能会变好，因为模型复杂度更高了，表达能力更强了，可以对潜在的 阅读全文
摘要：
博客： "博客园" | "CSDN" | "blog" [TOC] 本文的主要目的在于理解 的内存结构及其背后的设计哲学。 ndarray是什么 NumPy provides an N dimensional array type, the "ndarray" , which describes a 阅读全文
摘要：
博客： "博客园" | "CSDN" | "blog" python中一般并不需要查看内存内容，但作为从C/C++过来的人，有的时候还是想看看内存，有时是为了验证内容是否与预期一致，有时是为了探究下内存布局。 用于获取对象占用的内存大小， 用于获取指定地址、指定字节长度的内容，因为返回的对象类型是 阅读全文
摘要：
[TOC] 博客： "博客园" | "CSDN" | "blog" 写在前面 在计算机视觉中， 滤波 （ filtering ）是指 Image filtering : compute function of local neighborhood at each position. —— from 阅读全文
摘要：
博客： "博客园" | "CSDN" | "blog" 先上图，下图通过输入输出来区分不同学科。 计算机视觉 （ Computer Vision , CV ），输入为图像或图像序列，输出为某种信息或描述， 目的在于理解图像，获得语义信息 。比如目标识别任务，输入一张图片，输出图中有哪些物体、都在什么 阅读全文
摘要：
[TOC] 博客： "博客园" | "CSDN" | "blog" 什么是感受野 The receptive field is defined as the region in the input space that a particular CNN’s feature is looking at 阅读全文
摘要：
博客： "博客园" | "CSDN" | "blog" 远程桌面打开MATLAB会报错，解决办法，打开matlab的licenses路径，如 ，路径下存有license文件，如 （可能为其他名字），打开文件，在每行如下位置添加 。 行数较多，可通过执行如下 脚本自动添加， 注意，执行前先备份 再远程 阅读全文
摘要：
[TOC] 博客： "blog.shinelee.me" | "博客园" | "CSDN" 交叉熵损失与均方误差损失 常规分类网络最后的softmax层如下图所示，传统机器学习方法以此类比， 一共有$K$类，令网络的输出为$[\hat{y}_1,\dots, \hat{y}_K]$，对应每个类别的概 阅读全文
摘要：
[TOC] 博客： "blog.shinelee.me" | "博客园" | "CSDN" 动机 在博文《 为什么要做特征归一化/标准化？ "博客园" | "csdn" | "blog" 》中，我们介绍了对输入进行Standardization后，梯度下降算法更容易选择到合适的（较大的）学习率，下降 阅读全文
摘要：
[TOC] 博客： "blog.shinelee.me" | "博客园" | "CSDN" 时间复杂度 如何评估一个算法的计算时间？ 一个算法的 实际运行时间很难评估 ，当时的输入、CPU主频、内存、数据传输速度、是否有其他程序在抢占资源等等，这些因素都会影响算法的实际运行时间。为了公平地对比不同算 阅读全文
摘要：
[TOC] 博客： "blog.shinelee.me" | "博客园" | "CSDN" 权重初始化最佳实践 书接上回，全0、常数、过大、过小的权重初始化都是不好的，那我们需要什么样的初始化？ 因为对权重$w$的大小和正负缺乏先验，所以应初始化 在0附近 ，但不能为全0或常数，所以要有一定的 随机 阅读全文
摘要：
[TOC] 博客： "blog.shinelee.me" | "博客园" | "CSDN" 前向传播与反向传播回顾 神经网络的训练过程可以简化成以下步骤， 1. 输入预处理（feature scaling等） 2. 初始化网络weight和bias 3. 前向传播，得到网络输出 4. 计算损失函数， 阅读全文
摘要：
[TOC] 博客： "blog.shinelee.me" | "博客园" | "CSDN" 写在前面 如果对Python源码感兴趣，那“窥探”其实现的最佳方式就是调教它，不，调试它。 获取源代码 Python的官方默认实现为CPython，即C语言实现（主要指解释器的实现，其他实现见 "Other 阅读全文