万丈高楼平地起

https://www.cnblogs.com/steven-yang/p/6348112.html

https://blog.youkuaiyun.com/wsj998689aa/article/details/47027365 https://blog.youkuaiyun.com/cqy_chen/article/details/77932270https://blog.youkuaiyun.com/dajue2014/article/details/53692721关于核函数的一些博客链接...

K-SVDRachel Zhang 1. k-SVD introduction1.     K-SVD usage:Design/Learn a dictionary adaptively to betterfit the model and achieve sparse signal representations.2.     Main Problem:Y = DX...

Deep Residual Learning for Image Recognition1. 思想作者根据输入将层表示为学习残差函数。实验表明，残差网络更容易优化，并且能够通过增加相当的深度来提高准确率。核心是解决了增加深度带来的副作用（退化问题），这样能够通过单纯地增加网络深度，来提高网络性能。作者在ImageNet上实验了一个152层的残差网络，比VGG深8倍，取得了3.57%的错误率。作者通...

TensorBoard可以将训练过程中的各种绘制数据展示出来，包括标量（scalars），图片（images），音频（Audio）,计算图（graph）,数据分布，直方图（histograms）和嵌入式向量。使用TensorBoard展示数据，需要在执行Tensorflow计算图的过程中，将各种类型的数据汇总并记录到日志文件中。然后使用TensorBoard读取这些日志文件，解析数据并生产数据可视...

【2018/7/23】今天重点学习了纹理特征提取算法LBP,这个算法可以用于纹理特征提取和人脸识别，应用比较广泛。首先介绍LBP算法的原理，然后是LBP特征的提取步骤，最后使用OpenCV实现了这个算法。       LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M....

之前学习了训练模型的一些原理，包括特征工程，算法原理和一些超参数。 那么生成了一个模型后我们如何评估这个模型的好坏呢。 今天主要讲一下二分类模型的一些评估方法。混淆矩阵准确率(accuracy)：对于给定的测试数据集，分类器正确分类的样本数与总样本数的之比。单纯地使用“准确率accuracy”是没法判断模型的好坏的，比如这个例子：健康的人有99个(y=0)，得癌症的病人有1个(y=1)。我...

本文讲解计算机如何处理图像进行分类的，这里我们以CNN（卷积神经网络）对汪汪图片进行分类为例！1：问题空间                     图像分类是对输入图像的操作，最终输出一组最好地描述了图像内容的分类（如猫、狗等）或分类的概率。对人类来说，识别是打出生便开始学习的技能之一，对成人来说更是信手拈来，毫不费力。我们只需一眼便能快速识别我们所处的环境以及环绕在我们身边的物体。当我们看到一张...

医学图像处理的对象是各种不同成像机理的医学影像。广泛使用的医学成像模式主要分为X射线成像 (X—CT) ，核磁共振成像 (MRI)，核医学成像 (NMI)和超声波成像(UI) 这四类 。CT成像：CT(Computed Tomography)，即电子计算机断层扫描，它是利用精确准直的X线束、γ射线、超声波等，与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描，具有扫描时间快，图像...

resnet在2015名声大噪，而且影响了2016年DL在学术界和工业界的发展方向。下面是这个resnet的网络结构，大家先睹为快。 它对每层的输入做一个reference（参考/参照）, 学习形成残差函数， 而不是学习一些没有reference的函数。这种残差函数更容易优化，能使网络层数大大加深。我们知道，在计算机视觉里，特征的“等级”随增网络深度的加深而变高，研究表明，网络的深度是实现好的效果...

https://blog.youkuaiyun.com/qq_18343569/article/details/49001065  转载出处  Newly accepted:        [1]       J. Xu, L. Zhang, W. Zuo, D. Zhang, and X. Feng, “Patch Group Based Nonlocal Self-Similarit...