silence_cho

摘要： 收藏些图像处理，机器学习，深度学习方面比较不错的文章，时常学习，复习和膜拜吧。。。 图像方面（传统CV）： 1. SIFT特征 https://www.cnblogs.com/wangguchangqing/p/4853263.html http://shartoo.github.io/SIFT-f 阅读全文

摘要： 目标检测模型主要分为two-stage和one-stage， one-stage的代表主要是yolo系列和ssd。简单记录下学习yolo系列的笔记。 1 yolo V1 yolo v1是2015年的论文 you only look once：unified，real-time object dete 阅读全文

摘要： 自己搭建神经网络时，一般都采用已有的网络模型，在其基础上进行修改。从2012年的AlexNet出现，如今已经出现许多优秀的网络模型，如下图所示。 主要有三个发展方向： Deeper：网络层数更深，代表网络VggNet Module： 采用模块化的网络结构（Inception），代表网络GoogleN 阅读全文

摘要： 对于深度学习的网络模型，希望其速度快，内存小，精度高。因此需要量化指标来评价这些性能，常用的指标有：mAP（平均准确度均值，精度指标）， FPS（每秒处理的图片数量或每张图片处理需要时间，同样硬件条件下的速度指标） ， 模型参数大小（内存大小指标）。 1.mAP (mean Avearage Pre 阅读全文

摘要： 在神经网络训练时，还涉及到一些tricks，如网络权重的初始化方法，优化器种类（权重更新），图片预处理等，继续填坑。 1. 神经网络初始化（Network Initialization ） 1.1 初始化原因 我们构建好网络，开始训练前，不能默认的将所有权重系数都初始化为零，因为所有卷积核的系数都相 阅读全文

摘要： 神经网络中还有一些激活函数，池化函数，正则化和归一化函数等。需要详细看看，啃一啃吧。。 1. 激活函数 1.1 激活函数作用 在生物的神经传导中，神经元接受多个神经的输入电位，当电位超过一定值时，该神经元激活，输出一个变换后的神经电位值。而在神经网络的设计中引入了这一概念，来增强神经网络的非线性能力 阅读全文

摘要： 在炼丹师的路上越走越远，开始入手pytorch框架的学习，越炼越熟吧。。。 1. 张量的创建和操作 创建为初始化矩阵，并初始化 a = torch.empty(5, 3) #创建一个5*3的未初始化矩阵 nn.init.zeros_(a) #初始化a为0 nn.init.constant_(a, 3 阅读全文

摘要： 最近开始刷lintcode，记录下自己的答案，数字即为lintcode题目号，语言为python3，坚持日拱一卒吧。。。 （一）. 回文字符窜问题（Palindrome problem） 627. Longest Palindrome 给出一个包含大小写字母的字符串。求出由这些字母构成的最长的回文串 阅读全文

摘要： 通过阈值化分割可以得到二值图，但往往会出现图像中物体形态不完整，变的残缺，可以通过形态学处理，使其变得丰满，或者去除掉多余的像素。常用的形态学处理算法包括：腐蚀，膨胀，开运算，闭运算，形态学梯度，顶帽运算和底帽运算。 1. 腐蚀 腐蚀操作类似于中值平滑，也有一个核，但不进行卷积运算，而是取核中像素值 阅读全文

摘要： 由于种种原因，图像中难免会存在噪声，需要对其去除。噪声可以理解为灰度值的随机变化，即拍照过程中引入的一些不想要的像素点。噪声可分为椒盐噪声，高斯噪声，加性噪声和乘性噪声等，参见：https://zhuanlan.zhihu.com/p/52889476 噪声主要通过平滑进行抑制和去除，包括基于二维离 阅读全文