- 博客(19)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 Ubuntu下安装wget、pip以及安装pytorch相关包
Ubuntu下安装wget、pip以及安装pytorch相关包安装Wgetsudo apt-get updatesudo apt-get install wget安装pipwget https://bootstrap.pypa.io/pip/3.6/get-pip.py sudo apt-get install python3.8-distutilsalias python='/usr/bin/python3'python get-pip.py安装pytorchpip3 instal
2022-05-16 17:50:04
1432
1
原创 FSRCNN总结
阅读FSRCNN自我小结创新点FSRCNN的动机是为了加速SRCNN模型，因此它从以下几个方面进行了改进：在网络末端使用了一个反卷积层==>采用后采样框架，相比SRCNN中使用先采样框架，减少了计算负担。在网路前端重新改变了输入特征的维数在网络非线性映射层中间部分，使用了更小的卷积核并应用了更深的卷积层针对问题的改进措施问题：针对SRCNN中有两点限制了速度。低分辨率图像需要上采样（通过三次插值）；非线性映射步骤，需要缩减参数加快速度。改进措施：对于第一个问题采用反卷积层
2021-05-06 10:31:19
1004
1
原创 基于pytorch的EDSR代码复现
在官网上将EDSR代码下载后，用pycharm打开读了readme文件，提到可以先测试图像。所以下面是先测试图像的过程第一步：下载预训练模型readme文件里有给出链接，将下载的预训练模型保存至experiment/test/model下第二步，改option.py中的路径将option.py中的文件里面带有预训练的路径改为刚刚下载好的预训练模型路径第二行的extend是什么目前还没有研究，后期再说，也顺便改了。测试的路径不用改，代码给出了一个鸟的测试图片，就是…//test第三步，改m
2021-04-22 11:44:29
7926
30
原创 简要总结A-7E系统的背景和涉众，主要需求和设计约束，分析A-7E系统设计的主要挑战、主要设计原则和设计方案?
背景：A－7E项目是美国海军研究实验室的降低软件成本项目，由美国海军支持，该项目开发人员想通过软件的开发实际验证软件工程原理，适用于高性能嵌入式实时系统。涉众 ：作战飞行员开发系统设计人员主要需求：分为功能需求和质量需求。功能需求有：（1）快速读取各种传感器的数据（2）实时更新座舱中显示设备的显示内容，以供飞行员了解实时性能（3）使用计算机辅助导航系统辅助飞行员导航和正确投弹设计约束：硬件设备较差，计算机算力不够，航空电子设备随时更改。主要挑战：（1）采用IBM公司生产的小型专用计算机，内存大
2021-04-09 17:35:34
459
原创 Linux下安装Anaconda以及创建虚拟环境
安装Anaconda我需要安装的版本对应python3,6,因此采用下列语句：1.下载安装包wget https://repo.anaconda.com/archive/Anaconda3-2018.12-Linux-x86_64.sh对应python版本和anaconda可去官网查询下载2.执行安装命令bash Anaconda3-2018.12-Linux-x86_64.sh3.选择安装路径，默认为/root下Anaconda3 will now be installed into
2021-04-08 10:36:11
780
原创 将Windows中的文件上传至Ubuntu的虚拟机上
将Windows中的文件上传至Ubuntu的虚拟机上1 下载XFTP，在连接服务器时可能会出现搜过很多解决方法，本人是用最后一个方法成功的，供大家参参考：（1）利用yum下载lyzszyum install -y lrzsz再利用rz命令去进行上传不过ubuntu好像不支持yum下载这个，我没下载成功，（2）将ftp中的用户名和密码更改为与ubutu中用户名与秘密一致，最好是root在此期间，下载vimsudo apt-get install vim,去移动到sshcd /etc
2021-04-07 21:49:30
2368
原创 pip下载更新及采用镜像安装numpy、matplotlib等包
国内部分镜像清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/阿里云 http://mirrors.aliyun.com/pypi/simple/中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/豆瓣(douban) http://pypi.douban.com/simple/下载pippython -m ensurepip更新pip方法1python -m pip install --upgra
2021-04-03 13:29:28
24835
原创 图像梯度的解释及相关梯度算子的实现
本文将介绍图像梯度的应用以及一些相关梯度算子的实现一、什么是梯度？梯度不是一个实数，它是一个有大小有方向的向量。现在以一个二元函数举例，假设一个二元函数f(x,y)，在某点的梯度有：整理后得到：其实就是它的方向导数。梯度的方向是函数变化最快的方向，沿着梯度的方向容易找到最大值。二、图像梯度在一副模糊图像中的物体的轮廓不明显，轮廓边缘灰度变化不强烈，从而导致层次感不强，而在清晰图像中的物体轮廓边缘灰度变化明显，层次感强。那么这种灰度变化明显不明显怎么去定义呢？可以使用导数（梯度），衡量图像灰
2020-11-12 11:44:12
6201
原创 朴素贝叶斯算法原理讲解
朴素贝叶斯算法原理讲解1 算法抽象性解释NaïveBayes算法，又叫朴素贝叶斯算法，是基于贝叶斯定理与特征条件独立假设的分类方法。名称由来：朴素，即特征条ming件独立；贝叶斯：基于贝叶斯定理。所谓朴素，就是在整个形式化过程中只做最原始的假设。朴素贝叶斯是贝叶斯决策理论的一部分，关于贝叶斯决策理论解释如下：实例1：假设有一个数据集，由两类组成（简化问题），对于每个样本分类都已明确，数据分布如下图：现在出现一个新的点new_point(x,y)，其分类未知，可用p1(x,y)表示数据点(x
2020-11-06 11:35:49
17151
原创 详解生成对抗网络（GAN)
详解生成对抗网络（GAN)本篇博文从以下几个结构介绍GAN模型概述模型优化训练GAN的一些经典变种1 概述GAN是由Ian Goodfellow于2014年首次提出，学习GAN的初衷，即生成不存在于真实世界的数据。类似于AI具有创造力和想象力。GAN有两大护法G和D:G是generator，生成器: 负责凭空捏造数据出来D是discriminator，判别器: 负责判断数据是不是真数据这样可以简单看作是两个网络的博弈过程。在原始的GAN论文里面，G和D都是两个多层感知机
2020-11-04 22:34:39
51113
6
原创 介紹卷积神经网络（CNN）模型结构
介紹卷积神经网络（CNN）模型1 CNN的基本结构 一个常见的CNN例子如下图：这是一个图像识别的CNN模型。最左边的船就是我们的输入层，计算机可理解为若干个矩阵。接下来就是卷积层（Convolution Layer），这是CNN特有的。卷积层所使用的激活函数是ReLU。ReLU(x)=max(0,x)。在卷积层后面是池化层（Pooling layer），这个也是CNN特有的，池化层没有激活函数。上图中卷积层+池化层出现了两次，其实这些次数可以根据模型的需要来变换，也可灵活使用卷
2020-10-30 09:39:40
6203
原创 利用草地湿润模型学习机器学习之参数估计
利用草地湿润模型学习机器学习之参数估计1 草地湿模型一个草地湿润模型，Cloudy表示天气是否多云,C=1(F)表示False，C=2(T)表示True,一下表示均相同，Sprinklet表示洒水车是否出动，Rain表示是否下雨，WetGrass表示草地是否是湿的。旁边的表格表示各种条件概率。贝叶斯网络表示：BNT中使用矩阵方式表示贝叶斯网络，即若节点i到j有一条弧，则对应矩阵中（i，j）值为1，否则为0。上图是一个草地潮湿原因模型。我们使用matlab画出建立好的贝叶斯网络，可以求出单个节点后验概
2020-10-18 14:39:11
1149
原创 详解非局部均值滤波原理以及用MATLAB源码实现
详解非局部均值滤波原理以及用MATLAB源码实现序言均值滤波、中值滤波、高斯滤波在滤除噪声的过程中，无可避免的使图像的边缘细节和纹理信息所被滤除。针对此问题，Buades[1]等人提出了非局部均值滤波，它使图像中的冗余信息得到了有效地利用，在滤除噪声的同时将图像的细节特征进行了最大程度的保留。非局部均值滤波使图像中的冗余信息得到了有效地利用，在滤除噪声的同时将图像的细节特征进行了最大程度的保留。非局部均值滤波利用了自然图像中的每个小块都存在关联性，与均值滤波是对邻域内的所有像素求和再平均的方法不同
2020-06-24 09:46:45
11982
5
原创 使用最小二乘法拟合曲线
使用最小二乘法拟合曲线并对过拟合进行正则化处理引言高斯于1823年在误差????1,…,????????独立同分布的假定下，证明了最小二乘法的一个最优性质：在所有无偏的线性估计类中,最小二乘方法是其中方差最小的！对于数据(????????,????????)(????=1,2,3…,????)，拟合出函数ℎ(????)有误差，即残差：????????=ℎ(????????)−????????，此时????2范数（残差平方和）最小时，ℎ(????)和 ????相似度最高，说明两者最具有拟合性。一般的
2020-06-20 22:33:39
7872
2
原创 统计学习方法课后题第一章1.2
统计学习方法课后题第一章1.2通过经验风险最小化推导极大似然估计。证明模型是条件概率分布，当损失函数是对数损失函数时，经验风险最小化等价于极大似然估计。
2020-06-17 09:43:18
381
转载 详细对比说明极大似然估计和贝叶斯估计
我在学习贝叶斯估计和极大似然估计时阅读到了本文，感觉作者写的很幽默诙谐，且富有逻辑阅读起来清楚且不枯燥。哈哈哈哈。由我自己关于序言做的思维导图，如下：
2020-06-15 10:18:42
429
原创 超详细的ORB解读
超详细的ORB解读摘要 ORB（Oriented FAST and Rotated BRIEF）是一种快速特征点提取和描述的算法。这个算法是由Ethan Rublee, Vincent Rabaud, Kurt Konolige以及Gary R.Bradski在2011年一篇名为“ORB：An Efficient Alternative to SIFTor SURF”的文章中提出。ORB算法分为两部分，分别是特征点提取和特征点描述。特征提取是由FAST（Features from Acce
2020-06-14 10:43:50
7878
7
原创 超级详细全面的LBP特征（Local Binary Pattern）讲解
LBP特征（Local Binary Pattern） LBP含义为局部二进制模式，是用来描述图像局部特征的算子，由T.Ojala, M.Pietikäinen, 和 D. Harwood在1994年提出，最初是为纹理描述而设计的。由于LBP对单调灰度变化的不变性和计算效率高，其适用于高要求的图像分析任务，在计算机视觉的许多领域都得到了广泛的应用：比如人脸识别、目标检测、应用LBP特征来进行训练目标检测分类器。 本文将介绍LBP特征算法的三种模式，分别为：原始的LBP，Circula
2020-06-14 10:31:44
11213
3
超详细的ORB解读.md
2020-06-14
超级详细全面的LBP特征讲解
2020-06-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人