摘要：
k-means算法属于无监督学习，没有已知的标签 k均值是发现给定数据集的K个簇的算法。 每个簇通过其质心来描述。 k均值算法的工作流程如下， 首先，给定随机的K个初始质心，然后将数据集中的每个点分配到一个簇中，过程是为每个点寻找最近的质心，并将其分配给该质心所对应的簇； 然后为每个簇更新质心，质心 阅读全文
摘要：
K近邻算法将每组数据分到某个类中，其具体过程如下： 给出已知类别的数据集； 然后对于未知类别属性的数据集中的每个点依次执行以下操作： 1.计算已知类别数据集中的点与当前的点的距离； 2.按照距离依次排序； 3.选取与当前点距离最小的k个点； 4.确定前k个点所出现类别的出现频率； 5，返回前k个点中 阅读全文
摘要：
一、 RCNN系列的发展 1.1 R-CNN 根据以往进行目标检测的方法，在深度学习应用于目标检测时，同样首先尝试使用滑动窗口的想法，先对图片进行选取2000个候选区域，分别对这些区域进行提取特征以用来识别分割。 步骤一：在imagenet分类比赛上寻找一个cnn模型，使用它用于分类的预训练权重参数 阅读全文
摘要：
语义分割的基本结构如下，通过一个分割模型确定基本结果，再通过CRF等进行优化输出。 后面优化的模型有以下几种： 全连接条件随机场(DenseCRF) CRFasRNN 马尔科夫随机场(MRF) 高斯条件随机场(G-CRF) 后面的概率模型中存在二元势函数， 二元势函数就是描述像素点与像素点之间的关系 阅读全文
摘要：
深度学习中的end to end是什么意思？ 端到端就是输入一个数据进入模型，然后模型直接可以输出你想要的结果，也就是一体性。 简单讲就是，Input >系统（这里指神经网络） >Output（直接给出输入，NN神经网络就给出结果） 阅读全文
摘要：
FCN在之前做过介绍 下面是几种对称结构，基本上都是基于编码和解码的过程，主要使用了卷积和反卷积，池化，上采样的结构。 上采样的实现主要在于池化时记住输出值的位置，在上池化时再将这个值填回原来的位置，其他位置填0。 SegNet DeconvNet 下面是一种稍微成熟的结构，称为带洞卷积结构。 De 阅读全文
