随笔分类 - Deep learning
摘要:Bin Packing 设有许多具有同样结构和负荷的箱子 B1,B2,..., 其数量足够供所达目的之用,每个箱子的负荷(可以是长度、重量等)为 C。今有 n 个负荷为 wj ,0<wj<C,j=1,2,...,n 的物品 \(J_1
阅读全文
摘要:转载链接:http://blog.sina.com.cn/s/blog_65838c3c0101e7tg.html 在解组件特性相关的方程式时,大多数的时候都要去解偏微分或积分式,才能求得其正确的解。依照求解方法的不同,可以分成以下两类:解析解和数值解。 解析解(analytical solutio
阅读全文
摘要:元学习(Meta-learning) 智能的一个关键方面是多功能性——做许多不同事情的能力。当前的AI系统可以做到精通于某一项技能,但是,如果我们要求AI系统执行各种看似简单的问题(用同一个模型去解决不同问题),它将会变得十分困难。相反,人类可以明智地利用以往经验并采取行动以适应各种新的情况。因此我
阅读全文
摘要:Stacked Hourglass Networks(级联漏斗网络) 姿态估计(Pose Estimation)是 CV 领域一个非常重要的方向,而级联漏斗网络的提出就是为了提升姿态估计的效果,但是其中的经典思想可以扩展到其他方向,比如目标识别方向,代表网络是 CornerNet(预测目标的左上角和
阅读全文
摘要:Single-Scale:是指把一张图片送到 CNN ; Multi-Scale:一般会送到 CNN 十张图片:比如高宽是 256 Χ 256 的图片,Multi-Scale会在它的四个角以及中心裁剪 5 张 224 Χ 224 的图片,然后再进行翻转,总共得到十张图片,最后全部送到 CNN。
阅读全文
摘要:[TOC] Abstract 当前,许多效果不错的目标检测算法都需要枚举很多可能的位置并对它们进行一一分类,这些方法不仅浪费资源,而且需要后期处理(一般指NMS),十分低效。在这篇论文中,我们使用了不一样的算法——将待检目标预测为一个点(该目标的边框中心)。我们的算法使用关键点预测来发现中心点,并回
阅读全文
摘要:Focal Loss 与 GHM Focal Loss Focal Loss 的提出主要是为了解决难易样本数量不平衡(注意:这有别于正负样本数量不均衡问题)问题。下面以目标检测应用场景来说明。 1. 一些 one stage 的目标检测器通常会产生很多数量的 anchor box,但是只有极少数是正
阅读全文
摘要:猫狗识别 数据集下载: 网盘链接:https://pan.baidu.com/s/1SlNAPf3NbgPyf93XluM7Fg 提取密码:hpn4 1. 要导入的包 import os import time import numpy as np import torch import torch
阅读全文
摘要:《Generative Adversarial Nets》是 GAN 系列的鼻祖。在这里通过 PyTorch 实现 GAN ,并且用于手写数字生成。 摘要: 我们提出了一个新的框架,通过对抗处理来评估生成模型。其中,我们同时训练两个 model :一个是生成模型 G,用于获取数据分布;另一个是判别模
阅读全文
摘要:1. 为什么需要数据增强? (1)数据增强是扩充数据样本规模的一种有效的方法,深度学习是一种基于大数据的方法,数据的规模越大、质量越高就越好,模型也能够拥有更好的泛化能力。然而在实际采集数据的时候,往往很难覆盖全部的场景,比如光照条件,那么在训练模型的时候,就需要加入光照方面的数据增强; (2)即使
阅读全文
摘要:正则化策略 Since because of the function of being a potential tool for ensuring the generalization of the algorithm, studies on regularization of the algor
阅读全文
摘要:基于Numpy的神经网络+手写数字识别 本文代码来自Tariq Rashid所著《Python神经网络编程》 代码分为三个部分,框架如下所示: 这是一个坚实的框架,可以在这个框架之上,充实神经网络工作的详细细节。 使用以上定义的神经网络类: 以上训练中所用到的数据集: "训练集" "测试集"
阅读全文