AI吃大瓜的博客

本文翻译自 Convolutional Neural Networks(CNNs / ConvNets)，更多内容请访问：http://cs231n.github.io/。原来译文：https://blog.youkuaiyun.com/Consu_Yasin/article/details/78052411        卷积神经网络非常类似于普通的神经网络：它们都是由具有可以学习的权重和偏置的神经元组成。...

原文地址：http://www.cnblogs.com/rgvb178/p/6055213.html版权声明：本文为博主原创文章，未经博主允许不得转载。激活函数的作用首先，激活函数不是真的要去激活什么。在神经网络中，激活函数的作用是能够给神经网络加入一些非线性因素，使得神经网络可以更好地解决较为复杂的问题。比如在下面的这个问题中：如上图(图片来源)，在最简单的情况下，数据是线性可分的，只需要一条直...

原文地址：https://blog.youkuaiyun.com/jinping_shi/article/details/52433975（转载部分公式不能正常显示）正则化（Regularization）机器学习中几乎都可以看到损失函数后面会添加一个额外项，常用的额外项一般有两种，一般英文称作ℓ1ℓ1-norm和ℓ2ℓ2-norm，中文称作L1正则化和L2正则化，或者L1范数和L2范数。L1正则化和L2正则化...

将tensorflow训练好的模型移植到Android (MNIST手写数字识别)【尊重原创，转载请注明出处】https://blog.youkuaiyun.com/guyuealian/article/details/79672257项目Github下载地址：https://github.com/PanJinquan/Mnist-tensorFlow-AndroidDemo ，麻烦给个“star”...

3月的第一天，谷歌就为各级别的AI开发者和研究人员带来了福利：免费的机器学习和人工智能课程。首先推出的机器学习速成班课程约为15小时，包括互动课程、谷歌研究人新智元报道作者：马文、克雷格【新智元导读】3月的第一天，谷歌就为各级别的AI开发者和研究人员带来了福利：免费的机器学习和人工智能课程。首先推出的机器学习速成班课程约为15小时，包括互动课程、谷歌研究人员的讲座以及40多个练习，全是干货！3月的...

由上海交通大学卢策吾团队发布的开源系统AlphaPose近日上线，该开源系统在标准测试集COCO上较现有最好姿态估计开源系统Mask-RCNN相对提高8.2%。Mask-RCNN是2017年以来计算机视觉领域的一个突破，获得了ICCV 2017最佳论文（马尔奖），涵盖了物体检测，分割，姿态估计。该系统比较的是其姿态估计部分。该系统是基于卢策吾团队ICCV 2017发表的RMPE算法[1]开发。以下...

背景情感分析有很多的应用场景，比如做一个电商网站，卖家需要时刻关心用户对于商品的评论是否是正面的。再比如做一个电影的宣传和策划，电影在键盘侠们中的口碑也至关重要。互联网上关于任何一个事件或物品都有可能产生成千上万的文本评论，如何定义每一个文本的情绪是正面或是负面的，是一个很有挑战的事情。挑战体现在以下几个方面，区别于结构化数据，评论数据的长短不一，很难限定到固定的维度。另外很难通过某个词判断用户的...

机器学习中的范数规则化之（一）L0、L1与L2范数zouxy09@qq.comhttp://blog.youkuaiyun.com/zouxy09 参考资料：《机器学习中常常提到的正则化到底是什么意思？》https://www.zhihu.com/question/20924039       今天我们聊聊机器学习中出现的非常频繁的问题：过拟合与规则化。我们先简单的来理解下常用的L0、L1、L2和核范数规则化

HOG的基本理论请参考：http://blog.youkuaiyun.com/guyuealian/article/details/71702995最近要做图像特征提取，可能要用下HOG特征，所以研究了下OpenCV的HOG描述子。OpenCV中的HOG特征提取功能使用了HOGDescriptor这个类来进行封装，其中也有现成的行人检测的接口。然而，无论是OpenCV官方说明文档还是各个中英文网站目前都没有这

原文博客地址：https://blog.youkuaiyun.com/zhangping1987/article/details/29554621目标检测、识别、分类、特征点的提取David Lowe：Sift算法的发明者，天才。Rob Hess：sift的源码OpenSift的作者，个人主页上有openSift的下载链接，Opencv中sift的实现，也是参考这个。Koen van de Sande：作者给...

原文地址：https://blog.youkuaiyun.com/u010402786/article/details/52433324一 论文下载　　本文涉及到的网络模型的相关论文以及下载地址： 　　 [v1] Going Deeper with Convolutions, 6.67% test error http://arxiv.org/abs/1409.4842 [v2] Batch Normaliz...

Dilated/Atrous conv 空洞卷积/多孔卷积原文链接：https://blog.youkuaiyun.com/silence2015/article/details/79748729DilatedDilated convolution/Atrousconvolution/Atrous convolutionconvolution可以叫空洞卷积或者扩张卷积。空洞卷积诞生于图像分割领域，...

利用MTCNN和facenet实现人脸检测和人脸识别 人脸检测和人脸识别技术算是目前人工智能方面应用最成熟的技术了。本博客将利用mtcnn和faceNet搭建一个实现人脸检测和人脸识别的系统。基本思路也很简单，先利用mtcnn的进行人脸检测，当然也可以使用其他的人脸检测方法，如Dilb，OpenCV，OpenFace人脸检测等等，然后再利用faceNet进行人脸识别，faceNet可简单...

OpenCV+yolov3实现目标检测(C++,Python) 目标检测算法主要分为两类：一类是基于Region Proposal（候选区域）的算法，如R-CNN系算法（R-CNN，Fast R-CNN, Faster R-CNN），它们是two-stage（两步法）的，需要先使用Selective search或者CNN网络（RPN）产生Region Proposal，然后再在Regi...

Python循环产生批量数据batch目录Python循环产生批量数据batch一、Python循环产生批量数据batch二、TensorFlow循环产生批量数据batch(1)tf.train.slice_input_producer(2)tf.train.batch和tf.train.shuffle_batch(3)TF循环产生批量数据batch 的完...

OpenCV+yolov2-tiny实现目标检测(C++)    目标检测算法主要分为两类：一类是基于Region Proposal（候选区域）的算法，如R-CNN系算法（R-CNN，Fast R-CNN, Faster R-CNN），它们是two-stage（两步法）的，需要先使用Selective search或者CNN网络（RPN）产生Region Proposal，然后再在Region...

tensorflow实现将ckpt转pb文件【尊重原创，转载请注明出处】：https://blog.youkuaiyun.com/guyuealian/article/details/82218092 本博客实现将自己训练保存的ckpt模型转换为pb文件，该方法适用于任何ckpt模型，当然你需要确定ckpt模型输入/输出的节点名称。目录tensorflow实现将ckpt转pb文件一、C...

Tensorflow生成自己的图片数据集TFrecords       尊重原创，转载请注明出处：https://blog.youkuaiyun.com/guyuealian/article/details/80857228       使用TensorFlow进行网络训练时，为了提高读取数据的效率，一般建议将训练数据转换为TFrecords格式。为了方面调用，本博客提供一个可通用，已经封装好的cre...

精品收藏：GitHub人工智能AI开源项目绝对精品！！！花了点时间，鄙人把这几年收藏的开源精品项目，整理一下，方面以后查找。其中涵盖了姿态检测，图像分割，图像分类，美学评价、人脸识别、多尺度训练，移动端的AI计算引擎，卫星图像，NLP，Python包，文字检测，NCRF，DALI等开源项目。更多开源项目，持续更细中……目录目录精品收藏：GitHub人工智能AI开源项目常...

OpenCV3.x实现KNN算法（K近邻算法），并保存训练模型     OpenCV 3.x中cv::ml::Knearest类可以实现K-最近邻(KNN)算法，其详细用法可以参考官方说明文档：https://docs.opencv.org/3.2.0/dd/de1/classcv_1_1ml_1_1KNearest.html (1)、cv::ml::Knearest类：继承自cv::ml::St...

Adaboost算法原理分析和实例+代码（简明易懂） 【尊重原创，转载请注明出处】 http://blog.youkuaiyun.com/guyuealian/article/details/70995333 本人最初了解AdaBoost算法着实是花了几天时间，才明白他的基本原理。也许是自己能力有限吧，很多资料也是看得懵懵懂懂。网上找了一下关于Adaboost算法原理分析，大都是你复制我，我摘...

如果要在一幅图像中寻找已知物体，最常用且最简单的方法之一就是匹配。在目标识别的方法中，匹配属于基于决策理论方法的识别。匹配方法可以是最小距离分类器，相关匹配。本文code是基于最小距离分类器，基于相关匹配的与此类似。本文涉及到的知识点如下：1、目标识别.2、基于决策理论方法的识别3、匹配（最小距离分类器、相关匹配）4、空间相关（相关匹配涉及）匹配之前，需要先将图像转换为灰度图，函数为rgb2gra

点在直线的投影坐标 n维向量投影坐标 几何投影坐标一、点在直线的投影坐标 如下图所示，直线l1：y=kx+b，直线外有一点P(x0, y0)，问：点P在直线上的投影坐标为多少呢？ 求点P的投影坐标，即是求过点P(x0, y0)的直线l2垂直于直

A geometric interpretation of the covariance matrixhttp://www.visiondummy.com/2014/04/geometric-interpretation-covariance-matrix/译文：http://demo.netfoucs.com/u010182633/article/details/45937051

原文链接：http://blog.youkuaiyun.com/angel_yuaner/article/details/47042817 在一般的模式识别问题中，人们的目标往往是尽量减少分类的错误，追求最小的错误率。根据之前的文章，即求解一种决策规则，使得：minP(e)=∫P(e|x)p(x)dx这就是最小错误率贝叶斯决策。在上式中，P(e|x)≥0,p(x)≥0对

Deep Learning（深度学习）学习笔记整理系列zouxy09@qq.comhttp://blog.youkuaiyun.com/zouxy09作者：Zouxyversion 1.0  2013-04-08声明：1）该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参考原文

这段话引用了很多次：        事实上，如果我们把人工智能相关的技术以及其他业界的技术做一个类比，就可以发现机器学习在人工智能中的重要地位不是没有理由的。       人类区别于其他物体，植物，动物的最主要区别，作者认为是“智慧”。而智慧的最佳体现是什么？       是计算能力么，应该不是，心算速度快的人我们一般称之为天才。       是反应能力么，也不是，

本文是《Neural networks and deep learning》概览 中第三章的一部分，讲机器学习/深度学习算法中常用的正则化方法。（本文会不断补充）正则化方法：防止过拟合，提高泛化能力在训练数据不够多时，或者overtraining时，常常会导致overfitting（过拟合）。其直观的表现如下图所示，随着训练过程的进行，模型复杂度增加，在training d

卷积神经网络转载请注明：http://blog.youkuaiyun.com/stdcoutzyx/article/details/41596663自今年七月份以来，一直在实验室负责卷积神经网络（Convolutional Neural Network，CNN），期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解和使用，特写此博文，以其与人交流，互

在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。　　本文的目的就是对常用的相似性度量作一个总结。本文目录：1. 欧氏距离2. 曼哈顿距离3. 切比雪夫距离4. 闵可夫斯基距离

BP神经网络的理解    【文章转至】http://www.cnblogs.com/jzhlin/archive/2012/07/28/bp.html     BP 神经网络中的 BP 为 Back  Propagation 的简写，最早它是由Rumelhart、McCelland等科学家于 1986 年提出来的，Rumelhart 并在Nature 上发表了一篇非常著名的文章

深度学习进行目标识别的资源列表【转载请注明出处】http://blog.youkuaiyun.com/guyuealian/article/details/51470839【目标识别】深度学习进行目标识别的资源列表：包括RNN、MultiBox、SPP-Net、DeepID-Net、Fast R-CNN、DeepBox、MR-CNN、Faster R-CNN、YOLO、De

通俗理解卷积神经网络（cs231n与5月dl班课程笔记）原文链接：http://blog.youkuaiyun.com/v_july_v/article/details/518124591 前言    2012年我在北京组织过8期machine learning读书会，那时“机器学习”非常火，很多人都对其抱有巨大的热情。当我2013年再次来到北京时，有一个词似乎比“机器学习”更

张志华教授《机器学习导论》和《统计机器学习》课程讲义 最近看了上海交大张志华教授的精品课程 《机器学习导论》和《统计机器学习》，觉得讲的很深入，适合学习机器学习和深度学习的研究者深入学习，张教授讲的比较偏向理论，需要一定的数学基础。 至于广大网友最关心的课程讲义和配套教材书籍，鄙人邮件详问过张教授，他说“目前只有学生记录下来的讲义，没有专门的教材”，张教授还好心留下讲义的下载链接：http://bcmi.sjtu.edu.cn/log/courses.html ，这也是他的个人主页，讲义

应用背景：机器的模式识别所要解决的问题，就是用机器代替人去认识图像和找出一幅图像中人们感兴趣的目标物。如何找到目标物即图像的区域呢，这里介绍在空间域使用模板在图像中寻找与模板匹配的区域。基本原理：在空间滤波中，相关是指滤波器模板移过图像并计算每个像素位置的灰度乘积之和的过程。基于相关的图像模板匹配过程类似于滤波过程，设图像f(x,y)的大小为M*N和模板子图像w(x,y)的大小为J*K，则f与w的

聚类算法-最大最小距离算法(实例+代码) 【尊重原创，转载请注明出处】http://blog.youkuaiyun.com/guyuealian/article/details/53708042目录聚类算法-最大最小距离算法(实例+代码)一、最大最小距离算法基本思想二、算法实现步骤1.最大最小距离聚类算法（Matlab版本）2.最大最小距离聚类算法（Python版本）3....

在机器学习模式识别中，经常需要应用到协方差矩阵C和散布矩阵S。如在PCA主成分分析中，需要计算样本的散度矩阵，有的论文是计算协方差矩阵。实质上二者意义差不多，散布矩阵（散度矩阵）前乘以系数1/(n-1)就可以得到协方差矩阵了。在模式识别的教程中，散布矩阵也称为散度矩阵，有的也称为类内离散度矩阵或者类内离差阵，用一个等式关系可表示为：散度矩阵=类内离散度矩阵=类内离差阵=协方差矩阵×（n-1）。样本的协方差矩阵乘以n-1倍即为散布矩阵，n表示样本的个数，散布矩阵的大小由特征维数d决定，是一个为d×d 的半正定

协方差矩阵和散布矩阵的意义 在机器学习模式识别中，经常需要应用到协方差矩阵C和散布矩阵S。如在PCA主成分分析中，需要计算样本的散度矩阵，有的论文是计算协方差矩阵。实质上二者意义差不多，散布矩阵（散度矩阵）前乘以系数1/(n-1)就可以得到协方差矩阵了。 在模式识别的教程中，散布矩阵也称为散度矩阵，有的也称为类内离散度矩阵或者类内离差阵，用一个等式关系可表示为： 关系：散度矩阵=类内离散度矩阵=类内离差阵=协方差矩阵×（n-1） 样本的协方差矩阵乘以n-1倍即为散布矩阵，n表示样本

PCA主成分分析原理分析和Matlab实现方法（三） PCA算法主要用于降维，就是将样本数据从高维空间投影到低维空间中，并尽可能的在低维空间中表示原始数据。PCA的几何意义可简单解释为： 0维-PCA：将所有样本信息都投影到一个点，因此无法反应样本之间的差异；要想用一个点来尽可能的表示所有样本数据，则这个点必定是样本的均值。 1维-PCA：相当于将所有样本信息向样本均值的直线投影； 2维-PCA：将样本的平面分布看作椭圆形分布，求出椭圆形的长短轴方向，然后将样本信息投

解决Warning: NEWFF used in an obsolete way. 【转载请注明出处】http://blog.youkuaiyun.com/guyuealian/article/details/53954005     使用Matlab工具箱创建神经网络时，需要用到newff函数，但若使用旧版本的newff函数，会造成下面的警告：> net = newff( minmax(