PartyPartyAnimal的博客

常与tf.control_dependencies(self, control_inputs)配合使用，只有当这个上下文管理器中的是一个操作时，control_inputs才会执行。x = tf.Variable(0.0)x_plus_1 = tf.assign_add(x, 1)with tf.control_dependencies([x_plus_1]): y = x...

1.tf.Variable()tf.Variable(initial_value, trainable=True, collections=None, validate_shape=True, name=None)##initial_value为变量的初始值tf.get_variabletf.get_variable(name, shape, initializer):...

1. tf.app.flags，用于支持接受命令行传递参数import tensorflow as tf#第一个是参数名称，第二个参数是默认值，第三个是参数描述tf.app.flags.DEFINE_string('str_name', 'def_v_1',"descrip1")tf.app.flags.DEFINE_integer('int_name', 10,"descript2...

CNN的平移不变性：由于全局共享权值和pool操作（明显的特征被保存下来，与位置没有关系？）CNN的尺度不变性：没有或者说具有一定的不变性（尺度变化不大）CNN的旋转不变性：基本是没有的，实验证明添加旋转样本是一种可靠的样本增强策略，能增强模型对旋转的鲁棒性（分类中很适合，多种角度都对应的是同一个目标；对于语义分割来说，x和y需要同时进行旋转，只是为了增加样本。）...

目标检测二十年 http://www.tuan18.org/thread-509-1-1.html

Python图像处理库PIL的基本概念介绍 https://blog.youkuaiyun.com/icamera0/article/details/50647465 Python图像处理库PIL的Image模块介绍（一） https://blog.youkuaiyun.com/icamera0/article/details/50654910 Python图像处理库PIL的Image模块介绍（二） http...

尺度不变特征变换匹配算法详解Scale Invariant Feature Transform(SIFT)Just For Funzdd  zddmail@gmail.com or (zddhub@gmail.com)对于初学者，从David G.Lowe的论文到实现，有许多鸿沟，本文帮你跨越。...

1 导入Mat文件（importdata 、load）x = importdata('matname.mat') #直接导入数据x = load('matname.mat')y = x.train #可将mat文件中train的数据赋给y2 多个数组合并（[ ]）y = [x1;x2] #[m*n*s;p*n*s]=[(m+p)*n*s]y = [x1 x2] #[m*n*s;m*p*

1 读取文件夹path = 'E:\new\';dirOutput=dir(path);filenames={dirOutput.name}';如果该文件中还有子文件夹，那么filenames{1}=‘.’，filenames{2}=’..’。2 保存mat文件save matname.mat data;

1 两个n维数组叠为n+1维（append）x = []a = [1,2]b = [2,3]x.append(a)x.append(b)# x = [[1,2],[2,3]]2 图像的读取、显示与保存（from skimage import io）from skimage import ioimg=io.imread('a.jpg',as_grey=True) #可以选择是否灰度化

常见的机器学习类型包括： 监督学习（Supervised Learning）是利用一组已知输入x和目标标签y 的 数据来学习模型的参数，使得模型预测的目标标签和真实标签尽可能的一 致。无监督学习（Unsupervised Learning）是用来学习的数据不包含目标标签，需要学习算法自动学习到一些有价值的信息。典型的无监督学习问题有聚类（Clustering）、密度估计（density estim

传统CNN： 工作原理：将每一层对应的特征累积起来，从寻找边缘开始，然后是形状、再识别实际的对象。 （1）然而，在这个过程中，所有这些特征的空间关系信息丢失了。 （2）对图片的角度要求有点苛刻，它能容忍照片稍微旋转一些，但要是旋转太多，它就不认得了。（旋转的程度超出了最大池化（maxpooling）所带来的旋转不变性（invariance）的限度）因此需要数据增强。 （3）CNN还很容易受到