深度学习
关注
分享
扫一扫
暴走小布丁
这个作者很懒，什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
RCNN论文的两篇很好的参考博客
https://zhuanlan.zhihu.com/p/23006190https://blog.youkuaiyun.com/v1_vivian/article/details/78599229转载 2020-07-09 17:14:34 · 174 阅读 · 0 评论 -
pytorch的自动求导机制
搬运：http://ddrv.cn/a/586632转载 2020-01-28 12:04:08 · 175 阅读 · 0 评论 -
Alphapose 论文理解
因为要做毕业设计，所以看了RMPE: Regional Multi-person Pose Estimation的论文，感觉相关的博客非常的多，但是总是get不到我不理解的点，还是记录下来，以免以后又不懂了。1、简介 单人姿态估计中遇到的错误有两个：定位错误（SPPE认定IoU>0.5就是边界框正确的），姿势冗余（一个人可能会产生多个谷歌模型） 针对这...原创 2020-01-03 20:40:34 · 6795 阅读 · 0 评论 -
yolo算法理解
之前学习yolo觉得挺简单，不用记的，时过境迁，我终于向我的记忆力屈服了，这知识它不进我的脑子啊！所以现在把影响我理解的地方记下来。YOLO思想： yolo会输入图片分成SxS 的小格子，物体的中心点落到某个格子中，那么这个格子就负责检测出该物体。 对于每个格子，都会检测出B个bounding box(bbox)，而对于每个bbox，会预测出五个值。 位置值...原创 2020-01-03 11:07:51 · 759 阅读 · 0 评论 -
目标检测的玩意儿
经典的目标检测网络RCNN系列分为两步，目标proposal和目标分类。====》Faster-RCNN中把目标proposal和目标分类作为一个网络的两个分支分别输出，大大缩短了计算时间。====》Yolo系列则把这两个分支都省了，只用一个网络同时输出目标的位置和分类。...原创 2020-01-03 10:45:23 · 138 阅读 · 0 评论 -
R-CNN、Fast R-CNN，Faster R-CNN
最近正要看Contextual Action Recognition with R*CNN，学习基于动态图像图像的行为识别，所以要恶补下它所需要的知识。也就是目标检测常见的几种算法。1、首先目标检测是什么？ 在给定的图片中找到物体的所在位置，并且分辨出物体的类别。这实际上是两个任务。 图像识别：image ----> cat/dog...原创 2019-12-10 13:26:33 · 169 阅读 · 0 评论 -
病态矩阵与条件数
病态矩阵与条件数1. 病态系统现在有线性系统： Ax = b， 解方程很容易得到解为：x1 = -100, x2 = -200. 如果在样本采集时存在一个微小的误差，比如，将 A 矩阵的系数 400 改变成 401：则得到一个截然不同的解：x1 = 40000, x2 = 79800.当解集 x 对 A 和 b 的系数高度敏感，那么这样的方程组就是病态的...转载 2019-12-01 19:49:46 · 710 阅读 · 0 评论 -
python路径问题
路径不要又用/又用//，容易出问题表示路径有以下三种方式path=r'E:\rec\data\train\call'path='E:\\rec\\data\\train\\call'path='E:/rec/data/train/call'推荐第三种，windows，linux通用...原创 2019-11-09 10:16:35 · 355 阅读 · 0 评论 -
xavier_initializer初始化
xavier_initializer( uniform=True, seed=None, dtype=tf.float32)返回对权重执行“ Xavier”初始化的初始化器。使用：def initialize_parameters(): tf.set_random_seed(1) W1= tf.get_variable("W1",...原创 2019-11-03 10:22:05 · 5297 阅读 · 0 评论 -
tf.placeholder函数说明
tf.placeholder( dtype, shape=None, name=None)为什么要用placeholder？Tensorflow的设计理念称之为计算流图，在编写程序时，首先构筑整个系统的graph，代码并不会直接生效，这一点和python的其他数值计算库（如Numpy等）不同，graph为静态的，类似于docker中的镜像。然后，在实...转载 2019-11-03 10:14:42 · 194 阅读 · 0 评论 -
tf.nn.softmax_cross_entropy_with_logits中的“logits”到底是个什么意思？
转载：https://blog.youkuaiyun.com/yhily2008/article/details/80262321转载 2019-11-02 10:11:50 · 157 阅读 · 0 评论 -
第一课第一次编程作业思路的思考
逻辑回归的三个重要内容：1、初始化参数2、计算cost函数和梯度3、优化算法（梯度下降）相互之间的关系，每个函数需要什么参数，输出什么参数都要比较清楚，解决了这三个问题思路就会很清晰了，嘿！开始把！仔细捋一遍逻辑回归的实现过程！1、初始化参数 逻辑回归对参数的初始化很容易，直接都是0就好了，其中w的维度是（num_px*num_px*3,1）,b=0。传入参数：num...原创 2019-10-28 10:46:24 · 123 阅读 · 0 评论