深度学习
关注
分享
扫一扫
文章平均质量分 73
qq_34725005
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
-
Mask R-CNN
Kaiming He Georgia Gkioxari Piotr Dollar Ross GirshickFacebook AI Research(FAIR)摘要Mask R-CNN检测图像中物体的同时给每个实例产生高质量的分割mask,它是在Faster R-CNN的基础上增加一个预测物体mask的分支，与已有的边界框识别分支是平行的。Mask R-CNN训练容易，在Faste...原创 2018-12-07 17:44:27 · 301 阅读 · 0 评论 -
超参数调整
1、如何调整模型？在讨论如何调试模型之前，先来纠正一个误区。通常理解如何调试模型的时候，我们想到一系列的神经网络模型以及调试技巧。但这里需要指出的是数据才是模型的根本，如果有一批优秀的数据，或者说你能将数据质量处理的很好的时候，往往比挑选或者设计模型的收益更大。在这之后才是模型的设计和挑选以及训练技巧上的事情。(1)探索和清洗数据。探索数据集射设计算法之前最为重要的一步，以图像分类为例，我们需...原创 2019-04-18 21:42:27 · 1528 阅读 · 0 评论 -
深度学习超参数
1、什么是超参数，参数和超参数的区别？区分两者最大的一点是是否通过数据来进行调整，模型参数通常是有数据来驱动调整，超参数则不需要数据来驱动，而是在训练前或者训练中人为地进行调整的参数。2、神经网络中包含哪些超参数？通常可以将超参数分为三类：网络参数、优化参数、正则化参数。网络参数：可指网络层与层之间的交互方式（相加、相乘或串接等）、卷积核数量和卷积核尺寸、网络层数和激活函数等。优化参数：...原创 2019-04-18 20:44:57 · 1016 阅读 · 0 评论 -
深度学习数据集划分和提前停止
数据主要分为训练数据和测试数据。在实际的训练中，还会使用到一个数据集，叫做验证集。验证集通常被用在训练过程中，但并不作为用于更新网络权重的一部分。主要作用是在训练过程中评估模型的准确度和损失函数值，作为一个指标选择模型的超参数，比如网络层数、隐藏单元数量，或是激活函数的类型等。同时验证集也用来观察训练是否已经过拟合，因为验证集并不作为更新网络权重的数据，所以能体现网络的泛化能力。在神经网络中，随着...原创 2019-04-18 15:43:46 · 2159 阅读 · 1 评论 -
AlexNet模型解读
AlexNet上的一个完整的卷积层可能包括一层convolution、一层Rectified Linear Units、一层max-pooling、一层normalization。整个网络结构包括五层卷积层和三层全连接层，网络的最前端是图片的原始像素点，最后端是图片的分类结果。1.第一层：卷积层其中conv1说明输出为96层，使用的卷积核大小为[11,11]，步进为4。在此之后变为[55,5...原创 2019-02-21 10:43:26 · 817 阅读 · 0 评论 -
深度学习过拟合
1、什么是过拟合。在深度学习中，模型对于所提供的数据进行一致性假设而使模型变得过度复杂称为过拟合。2、过拟合的危害。“一个过配的模型试图连误差（噪音）都去解释（而实际上噪音又不是需要解释的），导致泛化能力比较差，显然就过犹不及了。”具体表现在：深度学习的模型在提供的训练集上效果非常好，但在未经过训练集观察的测试集上，模型的效果很差，即输出的泛化能力很弱。3、解决过拟合的方法1）获取和使用...原创 2019-02-20 11:19:45 · 1258 阅读 · 1 评论 -
TensorFlow数据读取机制
TensorFlow读取机制图解首先需要思考的一个问题是，什么是数据读取？以图像数据为例，读取数据的过程可以用下图来表示：假设我们的硬盘中有一个图片数据集0001.jpg，0002.jpg，0003.jpg……我们只需要把它们读取到内存中，然后提供给GPU或是CPU进行计算就可以了。这听起来很容易，但事实远没有那么简单。事实上，我们必须要把数据先读入后才能进行计算，假设读入用时0.1s，计算...转载 2019-02-27 15:25:08 · 199 阅读 · 0 评论 -
TensorFlow读取txt和csv格式数据
环境：python3.5 tensorflow1.12数据：6.1101,17.5925.5277,9.13028.5186,13.6627.0032,11.8545.8598,6.82338.3829,11.8867.4764,4.3483txt转换为csv格式import csv#要保存后csv格式的文件名file_name_string="file.csv"wit...原创 2019-02-27 14:27:07 · 2001 阅读 · 0 评论 -
A Pixel-Wise Distance Regression Approach for Joint Retinal Optical Disc and Fovea Detection
A Pixel-Wise Distance Regression Approach for Joint Retinal Optical Disc and Fovea Detection一种用于联合检测视盘和中心凹的像素级距离回归方法作者：Maria Ines Meyer, Adrian Galdran, Ana Maria Mendonc ̧a, and Aur ́elio Campilho...原创 2019-01-21 16:05:20 · 492 阅读 · 0 评论 -
反馈神经网络算法
典型的卷积神经网络，开始阶段都是卷积层以及池化层的相互交替使用，之后采用全连接层将卷积和池化后的结果特征全部提取进行概率计算处理。在具体的误差反馈和权重更新的处理上，不论是全连接层的更新还是卷积层的更新，使用的都是经典的反馈神经网络算法，这种方法较原本较为复杂的、要考虑长期的链式法则转化为只需要考虑前后节点输入和输出误差对权重的影响，使得当神经网络深度加大时能够利用计算机计算，以及卷积核在计算过...原创 2019-01-17 17:23:37 · 23762 阅读 · 22 评论 -
Fast R-CNN
摘要本文提出了一个快速基于区域的卷积神经网络方法，用于目标检测。Fast R-CNN在已有工作的基础上进行了创新，提高了训练和测试时间，同事也提高了检测精度。Fast R-CNN训练非常深的VGG16网络比R-CNN快9倍，测试时间快了213倍，在PASCAL VOC上获得更高的mAP。简介相比于图像分类，目标检测更具有挑战性，需要更加复杂的方法去解决，由于其复杂性，当前的方法采用多级流水...翻译 2018-12-11 22:43:06 · 289 阅读 · 1 评论 -
ResNet
Deep Residual Learning for Image Recognition用于图像识别的深度残差学习作者：Kaiming He,Xiangyu Zhang,Shaoqing Ren,Jian Sun机构：Microsoft Research摘要：神经网络越深，训练越难。我们根据层输入显示地将层重新表示为学习残差函数，而不是学习未定义函数。全面的经验证据表明，这些残差网络易于...原创 2018-12-16 22:31:43 · 554 阅读 · 0 评论 -
Retinal Vessel Segmentation in Fundoscopic Images with Genetative Adversarial Networks
Retinal Vessel Segmentation in Fundoscopic Images with Genetative Adversarial Networks利用GAN分割眼底图像的视网膜血管作者：Jaemin Son, Sang Jun Park, and Kyu-Hwan Jung机构：Department of Ophthalmology, Seoul National ...原创 2018-12-26 22:48:40 · 1257 阅读 · 0 评论 -
DCGAN
1、代码获取https://github.com/carpedm20/DCGAN-tensorflow2、数据集获取python download.py mnist celebA存在问题，不能下载直接从官网http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html下载数据集，然后解压放到data文件夹下（文件夹内有20多万张图片）3、代码运行环境Ub...原创 2018-12-10 15:05:28 · 1890 阅读 · 1 评论 -
U-Net
U-Net:Convolutional Networks for Biomedical Image SegmentationU-Net:用于医学图像分割的卷积神经网络摘要：本文提出新的网络结构和新的训练方法，该方法利用数据增强更高效地使用已有数据。该网络结构包括捕获上下文的收缩路径和实现精确定位的对称扩展路径，收缩路径主要是用来捕捉图片中的上下文信息，而与之相对称的扩展路径则是为了对图片中所...原创 2018-12-20 23:05:56 · 1327 阅读 · 1 评论 -
TensorFlow、Pytorch介绍
Tensorflow1、TensorFlow是什么？TensorFlow支持各种异构平台，支持多CPU/GPU、服务器、移动设备，具有良好的跨平台性；TensorFlow架构灵活，能够支持各种网络模型，具有良好的通用性。2、TensorFlow设计理念(1)将图定义和图运算完全分开。TensorFlow被认为是一个“符号主义”的库。编程模式通常分为命令式编程和符号式编程。命令式编程就是编写...原创 2019-04-19 11:08:07 · 4884 阅读 · 0 评论