<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[fuchengui的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/fuchengui</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; fuchengui]]></copyright><item><title><![CDATA[Semantic segmentation network of uav image based on improved U-net（基于改进U-net的无人机图像语义分割网络）论文笔记]]></title><link>https://blog.youkuaiyun.com/fuchengui/article/details/124273180</link><guid>https://blog.youkuaiyun.com/fuchengui/article/details/124273180</guid><author>fuchengui</author><pubDate>Tue, 19 Apr 2022 14:53:12 +0800</pubDate><description><![CDATA[摘要：

本文将U-net应用于无人机图像处理问题，对无人机图像进行像素级的语义分割，以识别地物类型及其包含的像素。为了提高神经网络的识别精度，本文提出了一种改进的基于u-net的神经网络模型，并将其应用于该问题。通过训练、验证和测试相同的小样本数据集，发现改进后的网络比Unet具有更好的识别精度。



1 介绍

2 FCN and U-net

2.1. FCN

浅层卷积具有较小的感知域，可以学习一些局部特征，而深层卷积具有较大的感知域，可以学习更多的抽象特征。

FCN也有一些固有的缺陷。例如，结]]></description><category></category></item><item><title><![CDATA[NON-DEEP NETWORKS论文笔记]]></title><link>https://blog.youkuaiyun.com/fuchengui/article/details/124260580</link><guid>https://blog.youkuaiyun.com/fuchengui/article/details/124260580</guid><author>fuchengui</author><pubDate>Tue, 19 Apr 2022 00:16:57 +0800</pubDate><description><![CDATA[原文链接：https://arxiv.org/pdf/2110.07641.pdf

原文代码：GitHub - imankgoyal/NonDeepNetworks: Official Code for "Non-deep Networks"

摘要：深度仅为12的网络，可以在ImageNet上达到80%以上的top-1精度，在CIFAR10上达到96%，在CIFAR100上达到81%。还表明，具有低深度(12)骨干的网络可以在MS-COCO上实现48%的AP。

备注：cifar10是10分类数据集，A]]></description><category></category></item><item><title><![CDATA[BP神经网络（back propagation，反向传播神经网络)]]></title><link>https://blog.youkuaiyun.com/fuchengui/article/details/123759006</link><guid>https://blog.youkuaiyun.com/fuchengui/article/details/123759006</guid><author>fuchengui</author><pubDate>Sat, 26 Mar 2022 16:57:09 +0800</pubDate><description><![CDATA[BP神经网络就是一个”万能的模型+误差修正函数“，每次根据训练得到的结果与预想结果进行误差分析，进而修改权值和阈值，一步一步得到能输出和预想结果一致的模型。举一个例子：比如某厂商生产一种产品，投放到市场之后得到了消费者的反馈，根据消费者的反馈，厂商对产品进一步升级，优化，从而生产出让消费者更满意的产品。这就是BP神经网络的核心。




...]]></description><category></category></item><item><title><![CDATA[plt.subplot( )的作用]]></title><link>https://blog.youkuaiyun.com/fuchengui/article/details/123739339</link><guid>https://blog.youkuaiyun.com/fuchengui/article/details/123739339</guid><author>fuchengui</author><pubDate>Fri, 25 Mar 2022 16:34:48 +0800</pubDate><description><![CDATA[221中，22表示2行2列，后面1表示第一行第1个，

222中，前2个2表示2行2列，后面2表示第一行第2个.



有八斗AI学习资料，齐全，深度学习，机器学习，需要请私聊，V：15874363534.


]]></description><category></category></item><item><title><![CDATA[深度学习—多尺度模型]]></title><link>https://blog.youkuaiyun.com/fuchengui/article/details/123602761</link><guid>https://blog.youkuaiyun.com/fuchengui/article/details/123602761</guid><author>fuchengui</author><pubDate>Sat, 19 Mar 2022 21:18:28 +0800</pubDate><description><![CDATA[1.什么是多尺度






















]]></description><category></category></item><item><title><![CDATA[卷积神经网络全过程]]></title><link>https://blog.youkuaiyun.com/fuchengui/article/details/123597643</link><guid>https://blog.youkuaiyun.com/fuchengui/article/details/123597643</guid><author>fuchengui</author><pubDate>Sat, 19 Mar 2022 18:17:33 +0800</pubDate><description><![CDATA[可以理解为，400个神经元，往120个神经元家里跑，有400*120种可能。所以W维度为120*400，那么后面参数也可以很好理解为：120*400+1=48001，这个表示一个特征提取需要的数据量。












...]]></description><category></category></item><item><title><![CDATA[Retinex算法]]></title><link>https://blog.youkuaiyun.com/fuchengui/article/details/123573750</link><guid>https://blog.youkuaiyun.com/fuchengui/article/details/123573750</guid><author>fuchengui</author><pubDate>Fri, 18 Mar 2022 14:30:13 +0800</pubDate><description><![CDATA[Retinex由视网膜和皮层两个单词组成

retinex模式是建立在以下三个假设之上的：







人眼的图像s，是由物体本身图像R和光先L合成的



L是影响的，用照射图像估计去掉L，得到R的过程






...]]></description><category></category></item><item><title><![CDATA[机器学习笔记（1）]]></title><link>https://blog.youkuaiyun.com/fuchengui/article/details/123543872</link><guid>https://blog.youkuaiyun.com/fuchengui/article/details/123543872</guid><author>fuchengui</author><pubDate>Fri, 18 Mar 2022 12:35:20 +0800</pubDate><description><![CDATA[对5的查准率和查群率，随着阀值变动，成反比





比较检验：

















基尼系数参考文章：决策树的基尼系数计算过程_egospace的博客-优快云博客_决策树基尼系数怎么算
]]></description><category></category></item><item><title><![CDATA[RCNN算法学习笔记]]></title><link>https://blog.youkuaiyun.com/fuchengui/article/details/123519458</link><guid>https://blog.youkuaiyun.com/fuchengui/article/details/123519458</guid><author>fuchengui</author><pubDate>Wed, 16 Mar 2022 11:20:39 +0800</pubDate><description><![CDATA[Region CNN(RCNN)可以说是利用深度学习进行目标检测的开山之作。

Girshick, Ross, et al. “Rich feature hierarchies for accurate object detection and semantic segmentation.” Proceedings of the IEEE conference on computer vision and pattern recognition. 2014.【经典文章】
————————————————
参]]></description><category></category></item><item><title><![CDATA[K-means聚类算法]]></title><link>https://blog.youkuaiyun.com/fuchengui/article/details/123516639</link><guid>https://blog.youkuaiyun.com/fuchengui/article/details/123516639</guid><author>fuchengui</author><pubDate>Wed, 16 Mar 2022 02:11:19 +0800</pubDate><description><![CDATA[类：相似元素的集合

用机器自动找出其中规律并进行分类的问题，我们称为聚类。

自动的将相同元素分为紧密关系的子集或簇，K均值算法（K-means）为最广泛的一种算法。k-means是硬分类，一个点只能分到一个类。







然后一次下去









直到不能更新为止
























...]]></description><category></category></item><item><title><![CDATA[放射变换学习]]></title><link>https://blog.youkuaiyun.com/fuchengui/article/details/123511981</link><guid>https://blog.youkuaiyun.com/fuchengui/article/details/123511981</guid><author>fuchengui</author><pubDate>Tue, 15 Mar 2022 20:54:13 +0800</pubDate><description><![CDATA[本文转载于以下博客地址：仿射变换（Affine transformation）_心态与做事习惯决定人生高度的博客-优快云博客_affine

如有冒犯，还望谅解！








]]></description><category></category></item><item><title><![CDATA[CNN学习笔记（2）]]></title><link>https://blog.youkuaiyun.com/fuchengui/article/details/123509459</link><guid>https://blog.youkuaiyun.com/fuchengui/article/details/123509459</guid><author>fuchengui</author><pubDate>Tue, 15 Mar 2022 19:58:49 +0800</pubDate><description><![CDATA[CNN怎么进行计算？









回答CNN怎么进行的：是对应特征精细平移、旋转等，使相互匹配起来。



匹配是进行怎么数学计算呢？哪这个就叫“卷积”操作













局部卷积，也就是：CNN局部感知机制





6 参考文献及推荐阅读

6 参考文献及推荐阅读
人工神经网络wikipedia
斯坦福机器学习公开课
Neural networks and deep learning
雨石 卷积神经网络：卷积神经网络_雨石-优快云博客_卷积神经网络
cs231n ...]]></description><category></category></item><item><title><![CDATA[CNN学习笔记（1）]]></title><link>https://blog.youkuaiyun.com/fuchengui/article/details/123506701</link><guid>https://blog.youkuaiyun.com/fuchengui/article/details/123506701</guid><author>fuchengui</author><pubDate>Tue, 15 Mar 2022 17:54:27 +0800</pubDate><description><![CDATA[1 LDA主题模型？

2 卷积神经网络CNN，基本是入门

3 基本根据斯坦福的机器学习公开课、cs231n、与七月在线寒老师讲的5月dl班所写，

4 神经网络由大量的神经元相互连接而成











人工神经网络ANN   Artificial neural networks

循环神经网络RNN  Recurrent Neural Network
卷积神经网络CNN   Convolutional Neural Network









神经网...]]></description><category></category></item><item><title><![CDATA[一元三次方程求根公式推导]]></title><link>https://blog.youkuaiyun.com/fuchengui/article/details/118070982</link><guid>https://blog.youkuaiyun.com/fuchengui/article/details/118070982</guid><author>fuchengui</author><pubDate>Sun, 20 Jun 2021 16:03:48 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[一元二次方程求根公式的详细推导]]></title><link>https://blog.youkuaiyun.com/fuchengui/article/details/118070302</link><guid>https://blog.youkuaiyun.com/fuchengui/article/details/118070302</guid><author>fuchengui</author><pubDate>Sun, 20 Jun 2021 15:25:57 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[什么是NP问题]]></title><link>https://blog.youkuaiyun.com/fuchengui/article/details/118052660</link><guid>https://blog.youkuaiyun.com/fuchengui/article/details/118052660</guid><author>fuchengui</author><pubDate>Sat, 19 Jun 2021 13:39:33 +0800</pubDate><description><![CDATA[非多项式量级只有两个:和.

我们把时间复杂度为非多项式量级的算法问题叫做NP问题(Non-Deterministic Polynomial, 非确定多项式).
]]></description><category></category></item></channel></rss>