jikuibu

一、概述 PASCAL VOC为图像识别和分类提供了一整套标准化的优秀的数据集，从2005年到2012年每年都会举行一场图像识别challenge。该challenge主要包括三类任务：分类（classification），检测（detection），和分割（segmentation） 这是一个监督学习的问题，训练集以带标签的图片的形式给出。这些物体包括20类：...

本文是对github上endernewton/tf-faster-rcnn项目的学习分析，以记录学习过程。其原项目地址：https://github.com/endernewton/tf-faster-rcnn先进行项目部署，前提是已经安装好整套GPU版深度学习环境。温馨提醒，在此前或此后的所有过程中，保持戒骄戒躁，耐心非常重要。一、运行环境在之前的尝试中，遇到许多挫折，诸如u...

----------------------------------git安装、初始化、配置、从github拉代码------------------------------------------------------1、安装gitsudo apt-get install git2、进入空白代码目录，并初始化git3、配置本地仓库的账号邮箱gitgit config --g...

本博客不描述安装的整体情况及关联关系，只记录其中关键点。仅供备查。---------------ubuntu vi 方向键不对------------------------------------sudo apt-get remove vim-commonsudo apt-get install vim--刷新dnssudo /etc/init.d/dns-clean s...

在研究该项目的过程中，碰到许多基本知识或概念，记录于此以备查看。1、weight decay（权值衰减）使用的目的是防止过拟合。在损失函数中，weight decay是放在正则项（regularization）前面的一个系数，正则项一般指示模型的复杂度，所以weight decay的作用是调节模型复杂度对损失函数的影响，若weight decay很大，则复杂的模型损失函数的值也就大。2、m...

今天来看看这两种模型。一、马尔科夫模型有以下三个要素：定义每一种状态；每种状态转换到其它状态的概率，即状态转换概率；每种状态的初始概率；这样，通过初始状态，便能计算下一个阶段某状态发生的概率值。二、隐马尔科夫模型1、概述跟上面不同的是，隐马尔科夫模型引入了一种中间变量，这种中间变量是我们能直接观察或直接获取到的。这些中间变量，跟我们真正需要关注的状态之间存...

一、问题提出：身高问题假如我们现在手头上有200个学生的身高合集，其中有男生和女生，而且男生、女生分别服从不同的高斯分布。如果把这个数据集的概率密度画出来，大致可能像这样：提出问题：求解这两种身高的概率分布参数。这个图形所对应的便是混合高斯模型（GMM）概率分布函数，表示其由两个高斯模型混合而成。即：其中，是第k个分高斯模型的概率密度函数，其可以定义如下：...

（书接上文）寻找最大间隔：经过了第一部分的概述，接下来要寻找数据集的最佳分隔超平面。我们已经知道，高维样本空间中的超平面方程为：其中为法向量，决定了超平面的方向；b 为位移项，决定了超平面与原点之间的距离。显然，分隔超平面可被法向量 w和位移 b 确定，记为。样本空间中任意点x到超平面的距离为：如果超平面能正确的对样本点分类，即：若，则有；若，则有。假设： ...

今天来学习极大似然估计这个颇为抽象的内容。1、似然与概率的概念二者看似相近，实则不同。在统计学中，似然函数（likelihood function，通常简写为likelihood，似然）是一个重要内容，在非正式场合似然和概率（Probability）几乎是一对同义词，但是在统计学中似然和概率却是两个不同的概念。概率是在特定环境下某件事情发生的可能性，也就是结果没有产生之前依据环境所对应...

序言： 有人说，支持向量机是整个机器学习中最复杂的算法； 还有人说，如果支持向量机没学好，机器学习就白学了。 从今天开始，我将开始该算法的学习，看看需要花多久才能掌握它。童话故事：关于SVM，流传着一个关于天使与魔鬼的故事。传说魔鬼和天使玩了一个游戏，魔鬼在桌上放了两种颜色的球，如图3.1所示。魔鬼让天使用一根木棍将它们分开。这对天使来...

（书接上文）对偶问题的求解-SMO算法前文已经推导出了原问题的对偶问题，那么如何求解它呢？比较好的方法就是利用SMO算法。SMO 的基本思路是先固定向之外的所有参数，然后求上的极值。由于存在约束条件，若固定以外的其它变量，则可由其它变量导出。于是，SMO每次选择两个变量和，并固定其它参数。这样，在参数初始化后，SMO不断执行以下两个步骤直到收敛：1）选取一对需要更新的变量和；2...

(书接上文）原目标函数的对偶问题前面我们已经知道，只要求解了（公式4）便能获得我们想要的最佳的分隔超平面。考虑到（公式4）不易直接求解，我们想采用拉格朗日乘子法来对其进行变换，进而获得原问题的对偶问题。只要对偶问题求解了，原问题也会得到最优解。根据拉格朗日对偶性，原始问题的对偶问题是个极大极小问题，即： 为了求得对偶问题的解，需要先求对的极小值，再求对的极大值。1)...

1、英国数学家贝叶斯，为了解决“逆向概率“问题而提出。2、正向概率：  已知袋子中黑白球的比率，求解随便摸一把摸出黑、白球的概率。      逆向概率：  事先不知道袋子中黑白球的比率。通过先摸球来观察摸到黑白球的数据（先验概率），进而推测袋子中黑白球的比率。3、为什么要这么做？     因为人的观察能力总是受限的，往往只能根据有限的观察，获得对客观世界的总体认识。4、问题举例...

 

转载来自网络上的一张sklean的使用指南，具体来源未知。 如果作者不愿意转载，请告知我。sklearn使用指南 

1. 归一化常用的方法是通过对原始数据进行线性变换把数据映射到[0,1]之间，变换函数为：    其中max为样本数据的最大值，min为样本数据的最小值。这种方法有个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。另外，最大值与最小值非常容易受异常点影响，所以这种方法鲁棒性较差，只适合传统精确小数据场景。2. 标准化常用的方法是z-score标准化，经过处...

NMS算法常常在图像目标检测的各种算法中使用。原始图像中，单个检测目标往往被识别出多个位置、大小都不相同的目标检测框，这些检测框可以是类似于这样的名字，bbox（bounding box）, region proposal，anchors等等。可以在诸如faster rcnn或YOLO算法中看到。举例来讲，原始图中包含两个检测物体，每个检测物体会存在许多检测框。因为是同一个物体，因此这些框的...