随笔分类 - 深度学习
摘要：参考：https://scikit-learn.org/stable/auto_examples/ensemble/plot_isolation_forest.html#sphx-glr-auto-examples-ensemble-plot-isolation-forest-py 代码： 返回：
阅读全文
摘要：论文http://202.119.32.195/cache/10/03/cs.nju.edu.cn/da2d9bef3c4fd7d2d8c33947231d9708/tkdd11.pdf 1. INTRODUCTION 1. INTRODUCTION 1. INTRODUCTION 1. INTRO
阅读全文
摘要：参考https://zhuanlan.zhihu.com/p/22464760 1.KL散度为一维高斯分布时： 画图表示式子证明两者的升降关系： 图为： 2.1.KL散度为多维高斯分布时：（设为n维） 所以最终结果为：
阅读全文
摘要：intractable棘手的，难处理的 posterior distributions后验分布 directed probabilistic有向概率 approximate inference近似推理 multivariate Gaussian多元高斯 diagonal对角 maximum like
阅读全文
摘要：通过对抗训练实现半监督的异常检测 Abstract Abstract Abstract Abstract Abstract 异常检测在计算机视觉中是一个经典的问题，即从异常中确定正常，但是由于其他类（即异常类）的样本数量不足，所以数据集主要基于一个类（即正常类）。虽然该问题能够当成一个监督学习问题来
阅读全文
摘要：在python2.7环境下 文件下载位置：https://data.vision.ee.ethz.ch/cvl/rrothe/imdb-wiki/ 1.可视化模型文件prototxt 1）在线可视化 网址为：https://ethereon.github.io/netscope/#/editor 将
阅读全文
摘要：Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks Joint Face Detection and Alignment using Multi-task Cascaded Convo
阅读全文
摘要：DEX: Deep EXpectation of apparent age from a single image 这个论文我们使用深度学习解决了在静态人脸图像中面部年龄的估计。我们的卷积神经网络使用了VGG-16结构，并在用于图像分类的ImageNet的数据集上预训练。除此之外，由于面部年龄的注释
阅读全文
摘要：在论文是在Faster R-CNN的基础上的改进 ，实现的效果有： 目标检测：能够在输入图像中绘制出目标的边界框，预测目标位置 目标分类：判别出该划定边界的目标的类别是什么，如人、车、猫和狗等类别 像素级目标分割：（这就是其比Faster R-CNN多出的一个功能）能够在像素层面上对目标进行区分，将
阅读全文
摘要：加载图像时经常会遇见要缩放图像的情况，这种时候如何决定缩放后图像对应像素点的像素值，这时候就需要用到插值算法 1.最邻近插值算法 首先假设原图是一个像素大小为W*H的图片，缩放后的图片是一个像素大小为w*h的图片，这时候我们是已知原图中每个像素点上的像素值（即灰度值等）的（⚠️像素点对应像素值的坐标
阅读全文
摘要：Faster R-CNN在Fast R-CNN的基础上的改进就是不再使用选择性搜索方法来提取框，效率慢，而是使用RPN网络来取代选择性搜索方法，不仅提高了速度，精确度也更高了 Faster R-CNN: Towards Real-Time Object Detection with Region P
阅读全文
摘要：SSD: Single Shot MultiBox Detector——目标检测 参考https://blog.csdn.net/u010167269/article/details/52563573 目标检测算法可分为两种类型：one-stage和two-stage,两者的区别在于前者是直接基于网
阅读全文
摘要：Going deeper with convolutions-22层 https://my.oschina.net/u/876354/blog/1637819 那么，GoogLeNet是如何进一步提升性能的呢？一般来说，提升网络性能最直接的办法就是增加网络深度和宽度，深度指网络层次数量、宽度指神经元
阅读全文
摘要：用于大尺度图片识别的非常深的卷积网络 使用一个带有非常小的(3*3)的卷积核的结构去加深深度，该论文的一个十分重要的改进就是它将卷机网络的深度增加到了16-19层，且可以用于比较大224*224的图片当中 其最大的特点就是采用了大量卷积核尺寸为3*3的卷积层，小尺寸的卷积核可以大大减少计算量。其网络
阅读全文
摘要：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition 深度神经网络中用于视觉识别的空间金字塔池化 1.INTRODUCTION 一般的深度神经网络都会设定一个固定的输入图片大小，比如 224*224
阅读全文
摘要：Rich feature hierarchies for accurate object detection and semantic segmentation Tech report (v5) Rich feature hierarchies for accurate object detecti
阅读全文
摘要：Fast RCNN建立在以前使用深度卷积网络有效分类目标proposals的工作的基础上。使用了几个创新点来改善训练和测试的速度，同时还能增加检测的精确度。Fast RCNN训练VGG16网络的速度是RCNN速度的9倍，测试时的速度是其的213倍。与SPPnet对比，Fast RCNN训练VGG16
阅读全文
摘要：https://blog.csdn.net/small_munich/article/details/79595257 https://www.cnblogs.com/zyly/p/9259392.html 基于图的图像分割https://blog.csdn.net/guoyunfei20/arti
阅读全文
摘要：参考：https://blog.csdn.net/hsqyc/article/details/81702437 什么是IoU 在目标检测算法中，我们经常需要评价2个矩形框之间的相似性，直观来看可以通过比较2个框的距离、重叠面积等计算得到相似性，而IoU指标恰好可以实现这样的度量。简而言之，IoU（i
阅读全文