以笔为剑的唐吉坷德

Go for it!1. 机器学习1.1 Pytorch1.1 分类器训练函数1.2 分类器测试函数1.2 结果评估1.2.1 Confusion Matrix1. 机器学习1.1 Pytorch1.1 分类器训练函数from tqdm import tqdmdef train(model, device, epoch, train_loader, optimizer, loss_func): model.train().to(device) train_loss = 0

之前有记录图像清晰度评价指标的Python实现：传送门。今天来记录一下关于GAN的生成结果的一些评价指标。文章目录1. Perceptural2. FID (Frechet Inception Distance)3. AKD (Average Keypoint Distance )4. IS (Inception Score)5. SSIM (Structural Similarity)1. Perceptural2. FID (Frechet Inception Distance)3. AKD.

OpticFlow1. 什么是OpticFlow2. 稠密光流的格式3. 快速开始（Quick start）4. 与Pytorch函数兼容参考资料项目地址：使用Opencv/Pytorch的稠密光流项目1. 什么是OpticFlow光流是空间运动物体在观察成像平面上的像素运动的瞬时速度，是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息的一种方法。一般而言，光流是由于场景中前景目标本身的移动、相机的运动，或者两者的共同

目录1. 人类行为（层次）：2. 输入数据3. 基于骨架的行为识别4. 数据集4.1 NTU RGBD4.1.1 下载方式4.1.2 Benchmark5. 相关论文5.1 Skeleton-based Action Recognition with Convolution Neural Networks(2017.8 海康威视)5.1.1 论文亮点5.2 Co-ocurrence Feature Learning from Skeleton Data for Action Recognition and

1. Categorical()torch.distributions.Categorical()可以按照一定概率产生具体数字，比如：import torchfrom torch.distributions import Categoricalrand = Categorical(torch.tensor([0.25,0.25,0.25,0.25]))print(rand.sam...

目录1.1 论文解释新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入1.1 论文解释最近在做数字图像处理作业...

学习目录1. 强化学习基础1. 强化学习基础[1] Q-Learning（中文）[1] Q-Learning（英文）[2] DQLearning（英文）:let’s play Doom[2] DQLearning（中文）:let’s play Doom（上）[2] DQLearning（中文）:let’s play Doom（下）[3] 以Cartpole和Doom为例介绍策略梯度（...

为了更加方便地进行深度学习开发，我们将一些常用的操作，比如常用的优化器函数，更加方便我们进行开发。TenorTool：我设计的Tensorflow工具箱1 Adam优化器Adam_optimizer(loss,variables,starter_learning_rate = 0.0002,end_learning_rate = 0.0,start_decay_step = 100000...

为了更加方便地进行深度学习开发，我们将一些常用的操作，比如“卷积-标准化-激活函数”这样的层级结构写成一个函数调用，更加方便我们进行开发。1 CkCk是“convolution—normal—leaky_relu”的层级结构。函数定义为：Ck(input,k_size=3,k, slope=0.2, stride=2, reuse=False, norm='instance', is_...

最近在毕业设计中涉及了有关消除图像清晰度的实验，需要一些指标来进行实验结果的评估。刚好网上有个总结的非常好的博客（见参考文献[1]），但没有实现方法。因此，我将在我的博客中用Python实现。评估方法实现所有函数的具体说明都在参考文献[1]里，这里不做过多的赘述，只讨论实现。1 Brenner 梯度函数参考文献[1] 图像清晰度的评价指标...

概念马尔可夫判别器是判别模型的一种。基于CNN的分类模型有很多种，很多网络都是在最后引入了一个全连接层，然后将判别的结果输出（输出结点）。马尔可夫判别器则是不一样，直观来看，它完全由卷积层构成，最后输出的是一个n*n的矩阵，最后取输出矩阵的均值作为True/False的输出。事实上，输出矩阵中的每一个输出，代表着原图中一个感受野，对应了原图的一片（patch），而具有这样结构的GAN被称为...

代码地址：https://github.com/vanhuyz/CycleGAN-TensorFlow这是Van Huy巨佬的代码，做一个学习巨佬CycleGAN代码的小笔记。CycleGAN的一个巨大的优点就是不需要X和Y两个域（相互转化的两个域）有一一对应的关系。总体代码笔记整体来看，...

迁移变换以CycleGAN为例，迁移就是从一个域迁移到另一个域。比如：斑马到马；与CycleGAN很有关系的两个兄弟DualGAN和DiscoGAN；CycleGAN的历史渊源阶段一：cGAN，条件是标注信息；阶段二：pix2pix，条件是图片信息；阶段三：CycleGAN，条件是图片信息；（难点在于没有ground truth）解决方法（灵感来源）： NLP中从英文翻译为法文，...

1，GAN：生成式对抗网络，在2014年提出的一种无监督深度学习模型。2，GAN模型组成：生成模型G（Generative Model）和判别模型D（Discriminative Model）3，应用案例计算机视觉：生成图像、风格迁移、生成模型等。自然语言处理：对话系统、诗歌生成、机器翻译、中文分词、文本分类等。常用GAN：DCGAN、CGAN、InfoGAN、WGAN、VAGAN。...

Tensoflow vgg网络fineturn(微调)github地址：vgg-fineturn微调是只训练vgg最后的全连接层，可以在很短的时间让模型收敛，不需要很大的数据集就可以让准确度变得很高。预先准备：python3tensorflowvgg16.npy文件官方地址, 百度云下载 百度云密码：4wvq将vgg16.npy文件放入vgg_finturning目录下...

RNN是目前NLP中很火的神经网络，也是需要掌握的一种神经网络。可以在BPNN的基础上来学习RNN以上是RNN的定时循环， 用来处理输入之间前后关联的问题。传统神经网络并不能做到思考的持久性，这是一个巨大的弊端。而RNN关注于此。RNN可以看作是同一神经网络的多次复制，每个神经网络模块会把消息传递给下一个，以下是循环的展开：LSTM是RNN中非常重要的一种变形，几乎所

LRN是一种提高深度学习准确度的技术方法。LRN一般是在激活、池化函数后的一种方法。 在ALexNet中，提出了LRN层，对局部神经元的活动创建竞争机制，使其中响应比较大对值变得相对更大，并抑制其他反馈较小的神经元，增强了模型的泛化能力。在2012的Alexnet网络中具体计算公式如下：其中，i表示第i个神经元在位置(x, y)使用激活函数ReLU后的输出，n是同一位置上临近的ker

Introduction卷积神经网络CNN，虽然它听起来就像是生物学、数学和计算机的奇怪混杂产物，但在近些年的机器视觉领域，它是最具影响力的创新结果。随着Alex Krizhevsky开始使用神经网络，将分类错误率由26%降到15%并赢得2012年度ImageNet竞赛（相当于机器视觉界的奥林匹克）时，它就开始声名大噪了。从那时起，一票公司开始在它们的核心服务中使用深度学习技术。例如Faceb

Tensorflow object detection API是基于tensorflow的开源框架，可以用于搭建、训练、使用object detection服务。github传送门object_detection隶属于Tensorflow models下的research，在下载object_detection的同时，建议下载整个models，有些包并不在object_detection中