机器视觉基础概念

原创 已于 2022-03-10 11:26:19 修改 · 523 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习 #pytorch #深度学习

于 2019-07-14 19:31:02 首次发布
博客汇总了GAN评价指标、常见损失loss、TensorFlow损失函数及自定义方法。介绍经典CNN模型，如GoogLenet、MobileNet等，还提及使用自定义数据集训练模型实现图像分类。此外，涵盖机器学习中的ROC、PR曲线等指标，以及PyTorch梯度计算、概率估计等知识。
部署运行你感兴趣的模型镜像

Wasserstein Distance 

 GAN评价指标最全汇总

常见损失loss汇总

Tensorflow 损失函数（loss function）及自定义损失函数（一）

 一些经典的CNN模型

 使用自己的数据集训练GoogLenet InceptionNet V1 V2 V3模型（TensorFlow）

 使用自己的数据集训练MobileNet、ResNet实现图像分类（TensorFlow）

 TensorFlow/ models/research/slim/nets/

 TensorFlow examples

 PanJinquan / tensorflow_models_learning

 VGG19 and VGG16 on Tensorflow

Densely Connected Convolutional Networks, In CVPR 2017 (Best Paper Award)

AP、mAP、F1 Score、PR曲线、ROC曲线

理解目标检测当中的mAP

机器学习中的ROC和PR曲线以及代码实现

scikit-learn 2.3. Clustering

 sklearn.cluster常用API介绍(KMeans,MiniBatchKMeans)

如何直观形象的理解方向导数与梯度以及它们之间的关系？

PyTorch: 梯度下降及反向传播

详解神经网络中矩阵实现的梯度计算

方向导数与梯度

PyTorch学习笔记(1)——requires_grad和autograd.no_grad

导数偏导数的数学定义

Pytorch中torch.autograd.grad()函数用法示例

向量与矩阵的范数（比较1-范数、2-范数、无穷范数、p-范数、L0范数 和 L1范数等）

超全面的协方差矩阵介绍

终于明白协方差和相关性的意义

一文搞懂极大似然估计

如何理解先验概率与后验概率

最大似然估计(MLE)，最大后验概率估计（MAP），贝叶斯估计入门讲解

图像质量评价指标之 PSNR 和 SSIM

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

LazyGuitar
关注
一、机器视觉概论
啸啸说的博客
05-12 534
机器视觉是传感器的一个分支，通过给机器安装视觉系统，使机器具有像人一样的视觉功能，具备感知和自主判断的能力，从而实现各种检测定位识别和测量等功能，提高生产制造的柔性和自动化。简单说机器视觉就是用机器代替人眼和大脑来做测量和判断，是一种非接触式检测法。使用自动化和计算机以及光学技术取代人类视觉。快速、高效、客观、信息量大。不适合人工作业的危险工作环境或人工视觉难以满足要求的场合，用机器视觉来替代人工视觉;大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以。
计算机视觉基础知识(一)--数学基础
newsymme的博客
03-04 1623
向量 线性变换 矩阵 充满数字的表格 矩阵加减法 要满足两个矩阵的行数与列数一致; 加法交换律:A+B=B+A 矩阵乘法 要满足A的列数等于B的行数; 单位矩阵 是一个nxn矩阵; 从左到右对角线上的元素值为1; 其余元素为0; A为nxn矩阵,I为单位矩阵,; 单位矩阵在乘法中的作用相当于数字1; 逆矩阵 矩阵A的逆矩阵记做; ; I是单位矩阵 奇异矩阵 没有逆矩阵的矩阵称为奇异矩阵; 当且仅当矩阵的行列式为零时,该矩阵奇异; 当a
机器视觉数学基础—矩阵分析（1）
weixin_45590039的博客
09-09 2060
矩阵分析（1）—“线性空间”、“基与坐标”、“矩阵”0.导语1.线性空间1.1.标准线性空间1.2.几何空间作为线性空间1.3.向量组1.3.1.定义：向量组及向量组拼成的抽象矩阵1.3.2.向量组的线性相关与线性无关1.3.3.两个向量组之间的线性表示关系1.3.4.向量组的极大线性无关子组2. 基与坐标2.1.有限维线性空间, 基与坐标2.2.标准线性空间的标准基与一般基3.线性子空间与线性映...
机器视觉中的数学方法
07-17
本书由射影几何、矩阵与张量、模型估计三个部分组成，它们是三维计算机视觉所涉及到 的基本数学理论与方法。 I. 射影几何学是三维计算机视觉的数学理论基础，是从事计算机视觉 研究所必备的数学知识。本书着重介绍射影几何学和它在视觉中的应用，主要内容包括：平面 与空间射影几何，摄像机几何，两视点几何，自标定技术和三维重构理论。 II. 矩阵与张量是描 述和解决计算机视觉问题的必要数学工具，视觉领域研究人员都应该掌握这门数学。本书着重 介绍与视觉有关的矩阵、张量理论与它的应用，主要内容包括：矩阵分解，矩阵分析，张量代 数，运动与结构，多视点张量。 III. 模型估计是三维计算机视觉的基本问题，通常涉及到变换或 某种数学量的估计。本书着重介绍与视觉估计有关的数学理论与方法，主要内容包括：迭代优 化理论，参数估计理论，视觉估计的代数方法、几何方法、鲁棒方法和贝叶斯方法。上述三部 分涉及的数学内容是相对独立的，但三维计算机视觉将它们组成一个有机的整体。通过阅读本 书，读者能掌握三维计算机视觉中的基本数学内容与方法，增强数学素养、提高分析和解决视 觉问题的数学能力。
机器视觉学习的基础知识
10-30
机器视觉学习的基础知识，很好的入门教程。包括光源、相机、软件的基础知识
和机器学习和计算机视觉相关的数学
neo_liukun的专栏
09-23 1312
1. 线性代数 (Linear Algebra)： 我想国内的大学生都会学过这门课程，但是，未必每一位老师都能贯彻它的精要。这门学科对于Learning是必备的基础，对它的透彻掌握是必不可少的。我在科大一年级的时候就学习了这门课，后来到了香港后，又重新把线性代数读了一遍，所读
学计算机视觉需数学基础吗？
m0_60720471的博客
03-03 680
学是学习计算机视觉的必要基础，掌握数学知识可以更好地理解和应用计算机视觉技术。
机器视觉的概念及其功能
最新发布
lijakn103的博客
08-14 1239
从左到右,第一幅图为自然白光下绿色底板电路板图像，第二幅图采用了绿色LED照明在黑白相机下的图片，由上面的相机光学感应曲线可以看到，相机传感器降低了至少30%以上的绿光LED通光量，而且传递了其它不必要的波长信息。第三幅图采用了滤光片，仅允许绿色波长区域的光通过，滤除其它不必要的波长信息以及环境光的影响，提高了整个图片的对比度。理想的滤光片，应该使系统不需要的图像信息与目标点分离，并提高目标信息在图像中的对比度，且保持长期的光学稳定性。对入射光具有遮蔽和透过的功能，可使纵向光或横向光一种透过，一种遮蔽。
机器视觉概念 20181126
11-26
2018年11月26日的这个资料可能涵盖了机器视觉的基本原理、应用以及当时的技术进展。 首先，机器视觉的核心是图像获取。这通常涉及使用摄像头或其他光学设备捕获场景的图像。这些设备将光线转换为电信号，然后由图像...
机器视觉基础概念与典型应用解析
从标题“机器视觉简单介绍，简单的概念和应用”可以看出，该文件旨在为初学者或非专业人士提供一个关于机器视觉的基础性概述，重点在于解释其基本概念及其在实际中的典型应用场景。 首先，机器视觉的核心在于“视觉...
计算机视觉的数学基础
chuhang_zhqr的博客
03-22 7589
本文转载高博士的博客 主要介绍了在计算机视觉中关于3D变换矩阵的数学方法。 旋转矩阵是一种3×3的正交矩阵， 这里R为3D的旋转矩阵，同样的，t为3D的平移矢量。 由于3D旋转都可以归结成按照某个单位向量n进行大小为θ的旋转。所以，已知某个旋转时，可以推导出对应的旋转矩阵。该过程由罗德里格斯公式表明，由于过程比较复杂，我们在此不作赘述，只给出转换的结果：　 这里 公式虽然较为复
数字图像处理将来有什么用啊？（百度问答）
Easiny
05-12 3680
 数字图像处理将来有什么用啊？（请该专业人事回答，谢谢） 悬赏分：15 - 解决时间：2009-4-10 13:10我是读电信的，才大一，听学校说我们这个专业就业很宽，但后来又说是做嵌入式的，我也不太明白，当初我只对生物图像识别感兴趣，听了学校咨询的话后填的电信专业。我后来又了解到有一门叫做“数字图像处理”的技术离我的爱好比较近，所以想加深对该专业方向的了解，提前学些该技术
计算机视觉中的数学基础：几何与优化
AI天才研究院
12-31 793
1.背景介绍 计算机视觉(Computer Vision)是人工智能领域的一个重要分支，主要研究如何让计算机理解和处理人类世界中的视觉信息。计算机视觉的核心技术是提取、表示和理解图像和视频中的特征，以便于进行各种视觉任务，如目标检测、人脸识别、自动驾驶等。 在计算机视觉中，数学是一个非常重要的工具，用于描述图像和空间信息的结构和关系。这篇文章将主要介绍计算机视觉中的几何和优化方面的数学基础，以...
机器视觉基本概念
qq_39808328的博客
05-23 3479
机器视觉系统 作用：利用机器代替人眼来做各种测量和判断。 它是计算机学科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。 机器视觉系统的特点：是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程...
[深度学习]什么叫梯度学习
henku449141932的博客
07-30 3598
1.梯度下降的定义 梯度下降是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。在求解无约束优化问题，如机器学习算法的模型参数，梯度下降（Gradient Descent）是最常采用的方法之一，另一种常用的方法是最小二乘法。在求解损失函数的最小值时，可以通过梯度下降法来一步步的迭代求解，得到最小化的损失函数和模型参数值。在机器学习中，基于基本的梯度下降法发展了两种梯度下降方法，分别为随机梯度下降法和批量梯度下降法。 如下面的二次函数,如何求得它的最值？ 通常的做法...
一起来了解深度学习中的“梯度”
一起来研究langchain和langchain-chatchat
07-11 5015
在深度学习的相关文章中一直提到两个词——梯度和梯度下降。在网上搜索这些词汇时，初学者常常会看到一堆公式和各种复杂的定义，可能会让人打退堂鼓。然而，理解梯度的概念对于掌握深度学习至关重要。今天，我们将用一个通俗易懂的比喻来解释深度学习中的梯度。通过这种方式，希望能帮助大家更轻松地理解这个重要概念，从而更加自信地迈向深度学习的世界。在深度学习中，梯度可以看作是一个指引我们如何调整模型参数（如权重和偏置）以最小化误差的指南针。梯度告诉我们，在当前参数值的情况下，误差朝哪个方向增大或减小，以及应该调整参数多少。
几种常见的梯度算法总结
热门推荐
CHNguoshiwushuang的博客
09-07 1万+
   在深度学习项目里常常用到一些梯度学习算法，最常见的我们使用的SGD,Adagrad,Adam,RMSProp和momentum,这里参考网上别人写的教程简要理解一下这些梯度下降算法。 SGD    说SGD,就必须先说一下批量梯度下降BGD,其训练的是整个训练集的梯度，即： θ=θ−η∇θJ(θ)θ=θ−η∇θJ(θ)\theta=\theta-\eta \nabla _\thet...
机器学习入门 - 梯度算法
weixin_43819452的博客
09-11 6646
1. 梯度是什么？ 梯度 ： 一个向量，导数+变化最快的方向 机器学习： 收集数据x, 构建模型f，通过f(x, w) = Ypredict 判断模型质量的方法，计算loss loss=(Ypredict−Ytrue)2（回归损失）loss=Ytrue⋅log(Ypredict)（分类损失） loss = (Y_{predict} - Y_{true})^2 \quad （回归损失）\\ loss = Y_{true}·log(Y_{predict}) \quad （分类损失） loss=(Ypredict
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值