orDream的博客

对象跟踪是深度学习的一种应用，程序获取一组初始对象检测并为每个初始检测开发一个唯一标识，然后在检测到的对象在视频中的帧周围移动时跟踪它们。换句话说，对象跟踪是自动识别视频中的对象并将它们解释为一组高精度的轨迹的任务。通常，被跟踪的对象周围有一个指示，例如，跟随对象的周围正方形，向用户显示对象在屏幕上的位置。大多数多目标跟踪算法都包含一种称为检测跟踪的方法。逐检测跟踪方法涉及一个独立的检测器，该检测器应用于所有图像帧以获得可能的检测，然后是一个跟踪器，该跟踪器在检测集上运行。因此，跟踪器尝试执行。

一般用在人脸识别，跟踪的重识别。Training set：用来训练模型的数据集，跟test set不相交，即交集为空，也就是没有一模一样的数据gallery set：有人叫它查询集，gallery字面意思是画廊，在人脸识别里面，我的理解就像ground true一样的存在，有所有图片的样本在里面，一般为一些标准数据集，gallery set用在测试的时候。是公认的标准库集？在分类模型中我们将一部分待分类的数据与其他的数据组成训练集一起训练然后在做分类预测。

在Keras中，TimeDistributed层的作用是什么？今天，在做关于时间序列的数据时，遇到了一个问题。看 transformer 时，遇到源码中用到了 Keras 的 TimeDistributed wrapper，但是参数量竟然与 Keras 的 Dense 中的参数是一样的，这就奇怪了，那么就用数据来测试一下到底这两个东西有啥区别吧。首先，列出别人也遇到的问题。Q：我试图了...

介绍分类时间序列数据？这真的有可能吗？可能有什么用呢？这些只是您阅读本文标题时必须具备的一些问题。这是公平的 - 当我第一次遇到这个概念时，我有完全相同的想法！我们大多数人的时间序列数据主要涉及产生预测的交易。无论是预测产品的需求还是销售额，航空公司的乘客数量或特定股票的收盘价，我们都习惯于利用久经考验的时间序列技术来预测需求。但随着生成的数据量呈指数增长，尝试新想法和算法的机会也随之增加...

对于 python的 pandas.series(),describe() 不是太了解，这里稍微细致的解释一下。首先，引入官方的解释：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.describe.html返回值形式如：DataFrame.count ：数据总量DataFrame.ma...

安装过程sudo service lightdm stop # 这个是关闭图形界面，不执行会出错。# 或者执行 sudo init 3 # 这个也是关闭图形界面的相关驱动，更彻底。意思是进入 文本模式 3sudo chmod a+x NVIDIA-Linux-x86_64-418.56.run # 给驱动run文件赋予执行权限：sudo ./NVIDIA-Linux-x86_...

概览：学习创建时间预测序列的步骤额外关注 Dickey-Fuller test & ARIMA(自回归移动平均) 模型从理论上学习这些概念，以及它们在python中的实现介绍时间序列(从现在开始称为TS)被认为是数据科学领域中不太为人所知的技能之一(就连我几天前也对它知之甚少)。我开始了一段新的学习旅程，学习解决时间序列问题的基本步骤，现在我和大家分享一下。这些绝对会帮助你在...

statsmodels.tsa.stattools.adfuller(x,maxlag=None,regression='c',autolag='AIC',store=False,regresults=False)[source]增广Dickey-Fuller单位根检验。增广Dickey-Fuller检验可用于在序列相关的情况下，对单变量过程中的单位根进行检验。参数x ：a...

翻译自：Attention, please: forget about Recurrent Neural Networks你可能应该用卷积替换你的循环神经网络并且开心有人说从一种语言到另一种语言的翻译更像是一门艺术，而不是一门科学。不久前，道格拉斯霍夫施塔特在一篇发表在大西洋上的文章中指出了机器翻译的“浅薄”。尽管存在局限性，但很难否认自动翻译软件不仅在许多情况下运行良好，而且其背后的...

# 变量import tensorflow as tfbiases=tf.Variable(tf.zeros([2,3]))#定义一个2x3的全0矩阵q = K.ones(shape=(2, 2))sess=tf.InteractiveSession()#使用InteractiveSession函数biases.initializer.run()#使用初始化器 initializer ...

从截断的正态分布中输出随机值。 shape表示生成张量的维度，mean是均值，stddev是标准差。这个函数产生正太分布，均值和标准差自己设定。这是一个截断的产生正太分布的函数，就是说产生正太分布的值如果与均值的差值大于两倍的标准差，那就重新生成。和一般的正太分布的产生随机数据比起来，这个函数产生的随机数与均值的差距不会超过两倍的标准差，但是一般的别的函数是可能的。 ...

运行pytorch的时候，出现了莫名的错误。清楚地记得我以前成功编译过，只不过我今天换了一个虚拟环境，竟然跑不通了。那我在切换回去原来的编译好的用另一个版本的pytorch试试吧。咦？竟然可以运行，那这是怎么回事呢？经过多方搜索推究，原来需要删除以前安装的 pytorch 的相关的文件(ps:我极度怀疑是以前单独安装caffe2的时候的遗留问题)。不兼容的文件位于哪里呢？对于我的环境来说，...

第一部分. 查看cuda 版本cat /usr/local/cuda/version.txt第二部分. 查看cudnn 版本cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 23. 进行 cudn的测试：3.1编译samples例子进入到Samples安装目录，然后在该目录下终端输入ma...

根据tensorflow官网的教程安装GPU的版本，点击链接进入到英伟达官网，于是根据最新版本下载了最新的cuda10.0.0的版本，安装完成，运行tensorflow提示找不到9.0版本，于是只得把装好的cuda卸载，怎么卸载呢？以下为ubuntu16.04 server中删除cuda9.1的方法：# --purge选项会将配置文件、数据库等删除$ sudo apt-get auto...

工欲善其事，必先利其器http://www.cs.utexas.edu/~chaoyeh/web_action_data/dataset_list.html，此链接内容更全，可惜整理完后发现的。1. The KTH Dataset(2004)KTH数据集于2004 年的发布,是计算机视觉领域的一个里程碑。此后，许多新的数据库陆续发布。数据库包括在 4个不同场景下 25 个人完成的 6 ...

背景在本页中，您将从计算机科学和生物学角度中找到关于持续/终身学习的简要背景。内容1.简介2.生物学前瞻   2.1简单学习   2.2联想学习   2.3神经机制什么是持续/终身学习？持续学习（CL）建立在对外部世界不断学习和自适应学习的基础上，并使更复杂的技能和知识得以自主增量发展。在机器学习的背景下，它意味着能够平滑地更新预测模型，以考虑不同的任务和数据分布，...

转载自：https://blog.youkuaiyun.com/m0_37870649/article/details/79382674参考：https://blog.youkuaiyun.com/bruce_0712/article/details/80293027http://blog.youkuaiyun.com/dcxhun3/article/details/46878999一、CNN概述 卷积神经网络...

转载自：https://www.cnblogs.com/skyfsm/p/8451834.html卷积神经网络可谓是现在深度学习领域中大红大紫的网络框架，尤其在计算机视觉领域更是一枝独秀。CNN从90年代的LeNet开始，21世纪初沉寂了10年，直到12年AlexNet开始又再焕发第二春，从ZF Net到VGG，GoogLeNet再到ResNet和最近的DenseNet，网络越来越深，架...

from:https://towardsdatascience.com/a-simple-guide-to-the-versions-of-the-inception-network-7fc52b863202A Simple Guide to the Versions of the Inception NetworkInception网络版本的简单指南作者：Bharath...

转载自：https://www.cnblogs.com/pinard/p/6164214.html　　　　K-Means算法是无监督的聚类算法，它实现起来比较简单，聚类效果也不错，因此应用很广泛。K-Means算法有大量的变体，本文就从最传统的K-Means算法讲起，在其基础上讲述K-Means的优化变体方法。包括初始化优化K-Means++, 距离计算优化elkan K-Means算法和大数...

参考：<Pascal VOC & COCO数据集介绍 & 转换> http://www.cnblogs.com/pprp/p/9629752.html《Pascal Voc数据集详细分析》https://blog.youkuaiyun.com/u013832707/article/details/80060327《检测数据集分析VOC+COCO_RGBD》https:/...