qinglv1的博客

Triplet loss(三胞胎损失)，更适合用在图像识别的问题上面但是他的缺点是：不好训练详见链接：https://www.zhihu.com/question/62486208图像检索：BoF、VLAD、FV三剑客(这些都是传统的非深度学习的方法)，可以参考链接：https://yongyuan.name/blog/CBIR-BoF-VLAD-FV.html Bow的作用只是用...

knn（k近邻）K值得选取，就是选择距离某个点距离最近的k个点，利用投票的策略，进行类别的归属。多数表决规则，等价于经验风险最小化。属于监督学习，因为除了未被分类的点，别的点都是带有标签的。如果k值选取的太小，容易过拟合；k值太大，容易欠拟合。想要选取合适的k值，那么需要使用交叉验证选取最佳的k值。矩阵的乘以，可以理解为是矩阵的空间向量的变化。 矩阵的行列式是为了表示，压缩或者扩张的面积比...

转载自：https://blog.youkuaiyun.com/qq_25737169/article/details/78847691前言本文主要深入介绍深度学习中的梯度消失和梯度爆炸的问题以及解决方案。本文分为三部分，第一部分主要直观的介绍深度学习中为什么使用梯度更新，第二部分主要介绍深度学习中梯度消失及爆炸的原因，第三部分对提出梯度消失及爆炸的解决方案。有基础的同鞋可以跳着阅读。 其中，梯度消失爆炸的解...

转载自：http://www.cnblogs.com/szxspark/p/8439066.html1. Padding在卷积操作中，过滤器（又称核）的大小通常为奇数，如3x3，5x5。这样的好处有两点：在特征图（二维卷积）中就会存在一个中心像素点。有一个中心像素点会十分方便，便于指出过滤器的位置。在没有padding的情况下，经过卷积操作，输出的数据维度会减少。以二维卷积为例，输入大小 n×nn...

针对分类和检测任务的一点区别(自己的一点愚见，如有不对请指正)imagenet数据集主要是用来做分类任务，对于某一张图片里面的多个物体，它的发呢类只是归属于某一个物体，只是对于某个物体做的分类。只是对图片里面主要的物体做分类，因为分类不能去做检测，单纯的分类网络只能做单分类。若想多分类，则需要加上检测的网络分支才可以。imagenet里面的用于检测任务的数据集比较小。coco数据集，主要用...

1. 创建命名为tf_env的tensorflow环境，你点击后面的y，就会安装对应的一些依赖          conda create -n tf_env tensorflow=1.7.02.删除命名为tf_env的修环境        conda remove -n tf_env --all3.查看安装好的虚拟环境       conda env list4.激活某个...

转自：https://zhidao.baidu.com/question/621624946902864092.htmlcaffe 中为什么bn层要和scale层一起使用这个问题首先你要理解batchnormal是做什么的。它其实做了两件事。1) 输入归一化 x_norm = (x-u)/std, 其中u和std是个累计计算的均值和方差。2）y=alpha×x_norm ...