bigcindy的博客

1. labelImg软件labelImg下载（提取码：rhtn）后双击打开即可使用。2. 标注图像3. 格式整理

1. 加入课程（1）首先登录AI Studio平台，网址：https://aistudio.baidu.com/（若没有账号，请先注册） （2）点击链接，加入课程：https://aistudio.baidu.com/aistudio/course/introduce/1297 （3）报名成功后，进入课程，显示“课节1：预习课程”意味着成功。2. 预习课程学习成功加入课程后，点击“课节”->“预习课程”，开始学习预习课程在学习完预习课程后，给大家准备了小作业，帮助大家巩固所学

1. Python概述发展历程Python is a programming language that lets you work quickly and integrate systems more effectively.Python是一门解释型、面向对象的高级编程语言 Python是开源免费的、支持交互式、可跨平台移植的脚本语言诞生和发展1991年，第一个Python编译器(同时也是解释器)诞生。它是用C语言实现的，并能够调用C库(.so文件)。从一开始，Python已经具有

高等数学1. 导数的定义：导数和微分的概念：在处的导数公式如下：或者：2. 左右导数的几何意义和物理意义函数在处的左、右导数分别定义为：左导数： 右导数：...

当目标检测网络架构中将分类网络与检测网络进行卷积共享时，分类任务需要特征具有平移不变性，而检测任务要求对目标的平移做出准确响应，因此R-FCN网络主要解决了“图像分类网络的位置不敏感性”和“目标检测网络的位置敏感性”之间的矛盾。RoI之前的层是共享卷积运算的，RoI之后一个卷积网络对RoI进行卷积并完成region的提取，另一个网络根据RoI结果进行最终目标的分类和回归任务。因此，为了最大化卷积的共享，作者把所有的卷积都放在了RoI之前。如下表所示：R-FCN整体架构如下图所示：如上图所

HintonLeCunBenjio吴恩达李飞飞Keras作者Jian Sun（孙剑）：主页：http://www.jiansun.org/Kaiming He（何恺明）：http://kaiminghe.com/

近年来，卷积神经网络在图像分类领域取得了巨大进展，主要表现在ILSVRC竞赛中优胜冠军从经典的机器学习算法转向深度学习算法，尤其是卷积神经网络结构。在卷积神经网络发展的历史过程中，ILSVRC竞赛功不可没，从2012年到2017年，不断涌现出新的卷积神经网络结构，并将ILSVRC竞赛中ImageNet数据集图像分类错误率降至很低的水平，一度达到甚至超越人类的水平。ILSVRC全称ImageNet Large-Scale Visual Recognition Challenge，从2010年开始举办，20

SENet（Squeeze-and-Excitation Networks）获得了2017年ILSVR挑战赛的冠军，使得在ImageNet上的TOP-5错误率下降至2.25%。SENet综合了inception和ResNet的一些思想，inception和ResNets的扩展版本分别叫SE-Inception和SE-ResNets，SENet性能的提升源于在inception 模块和ResNets 残差单元之间加入了SE block，如下图所示：SE block分析了输出的哪些特征最有可能一起被

Xception结构由Keras的作者François Chollet发表于2016年（论文下载：Xception: Deep Learning with Depthwise Separable Convolutions），其在3.5亿张图像、17000个分类的大型计算机视觉任务上的效果远胜Inception-v3。与Inception-v4类似，Xception综合了GoogLeNet和ResNet的思想，使用了叫深度可分离卷积层（depthwise separable convolution），即.

ResNet由Kaiming He（何凯明）等发明（论文下载：Deep Residual Learning for Image Recognition），获得了2015年ILSVRC挑战赛的冠军，一度将TOP-5错误率降至3.6%。参加2015年挑战赛区的ResNet网络深度达到152层，比起以前的卷积神经网络，深度越来越深，但参数越来越少。ResNet使用了一种叫做残差学习（residual learning）的方法，即将输入越过几层直接添加到后面层的输出上，此时模型不再是简单地拟合目标函数h(x)，

VGGNet由Karen Simonyan和Andrew Zisserman发明，获得2014年ILSVRC挑战赛的亚军。VGGNet结构比较经典和简单，2到3个卷积层加1个池化层，根据卷积层数量的不同主要有VGG-16和VGG-19两个版本，卷积层之后有两个全连接层和输出层，网络中全部使用3x3的卷积核，...

GoogLeNet由Christian Szegedy等开发并在2014年ImageNetILSVRC挑战赛冠军，论文：Going Deeper With Convolutions（点击下载），为了致敬卷积神经网络的鼻祖LeNet-5，GoogLeNet将L字母大写。GoogLeNet相比于以往的卷积神经网络其深度更深，同时在网络中添加了inception的结构，这使得GoogLeNet更加有效地使用参数，GoogLeNet参数量比AlexNet少10倍左右。Inception结构下图所..

Alex卷积神经网络源于由Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton三人在2012年发表的论文：ImageNet Classification with Deep Convolutional Neural Networks（点击下载论文），AlexNet获得2012年ImageNet ILSVRC挑战赛的冠军。Alex类似于LeNet-5，但是比LeNet-5更大更深。AlexNet卷积神经网络架构为了降低过拟合，AlexNet使..

0. 概述TensorFlow 2.0中有多处更改，以使TensorFlow用户使用更高效。TensorFlow 2.0删除冗余APIs,使API更加一致(统一RNNs，统一优化器），并通过Eager execution模式更好地与Python运行时集成。1. TensorFlow2主要变化1.1 清理、合并重复API许多API在tensorflow 2.0中已经消失或者移动到其它地方。例如删除了tf.app、tf.flags和tf.logging等，转而支持现在开源的absl-py，重新整

1. LeNet5简介LeNet5是由Yann LeCun等人在1998年提出的卷积神经网络，是第一个卷积神经网络并用于美国银行系统支票手写数字识别。LeNet5共有5层，其中3层卷积层和2层全连接层，其中某些层使用了Sigmoid激活函数。原著论文中输入大小为32*32的灰度图像，输出层采用了径向其函数。更多关于LeNet5的介绍请移步：https://blog.youkuaiyun.com/Jwenxue/article/details/1068099922. 网络模型本次实战案例使用MNIST数据

1. LeNet5简介LeNet5卷积神经网络源于Yann LeCun在1998年发表的论文：Gradient-based Learning Applied to Document Recognition，是一种用于手写数字识别的卷积神经网络。2. MNIST数据集MNIST数据集（官网：http://yann.lecun.com/exdb/mnist/）是由Yann LeCun等人收集整理，其目的是用于手写数字识别模型的训练。主要包括了6万张训练图像和1万张测试图像，每张图像大小为28*28的

1. 项目背景通过构造类似下图的数据，分别用普通机器学习分类器和神经网络模型对其进行建模，观察普通机器学习分类算法与神经网络算法的分类能力差别。2. 导入python库import numpy as npimport matplotlibimport matplotlib.pyplot as plt%matplotlib inlinefor i in [np, matplotlib]: print(i.__name__,": ",i.__version__,sep="")

1. 项目背景假设有如上图所示的全连接神经网络，该网络共有三层L1、L2、L3，输入层为X。每层输出经过Sigmoid激活函数。其中X为100*3的矩阵，即表示有100个样本，每个样本有3个特征。L1层有5个神经元，L2层有8个神经元，L3有10个神经元。y为100*1的向量，是数据集X对应的标签。W1，W2，W3矩阵形状如图所示。2. 导入所需的库import numpy as npimport pandas as pdfor i in [np, pd]: pri.

安装opencv-python库后，在pycharm等IDE中可以正常导入cv2，而在notebook导入时报错。尝试在安装有TensorFlow的环境中安装opencv-python后再试，即可解决上述报错的问题。在安装TensorFlow的环境中成功导入：...