AI视觉Daily-优快云博客

原创 CNN四大经典框架：AlexNet、VGGNet、Google Inception Net和ResNet总结

CNN四大经典框架：AlexNet、VGGNet、Google Inception Net和ResNet总结文章目录CNN四大经典框架：AlexNet、VGGNet、Google Inception Net和ResNet总结前言一、AlexNet二、使用步骤1.引入库2.读入数据总结前言AlexNet、VGGNet、Google Inception Net、这4种网络依照出现的先后顺序排列，深度和复杂度也依次递进。它们分别获得了ILSVRC（ImageNet Large Scale Visual R

2021-02-02 19:03:54 2439 1

原创批归一化(Batch Normalization)详解

批归一化(Batch Normalization)详解文章目录批归一化(Batch Normalization)详解前言一、数据归一化二、BN解决的问题：Internal Covariate Shift三、BN如何做的数据归一化四、BN的本质总结前言批归一化简称BN，是由Google于2015年提出，这是一个深度神经网络训练的技巧，它不仅可以加快了模型的收敛速度，而且更重要的是在一定程度缓解了深层网络中“梯度弥散（特征分布较散）”的问题，从而使得训练深层网络模型更加容易和稳定。所以目前BN已经成为几

2021-02-02 14:11:02 34601 5

原创目标检测技术演进：从R-CNN、Fast R-CNN、Faster R-CNN到YOLO、SSD

目标检测技术演进：从R-CNN、Fast R-CNN、Faster R-CNN到YOLO、SSD文章目录目标检测技术演进：从R-CNN、Fast R-CNN、Faster R-CNN到YOLO、SSD前言一、目标检测常见算法二、传统目标检测算法三、候选区域/窗 + 深度学习分类四、基于深度学习的回归方法五、思路总结前言1.目标检测（object detection）：就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。然而，这个问题可不是那么容易解决的，物体的尺寸变化范围很大，摆放物体的角度

2021-01-30 09:29:32 1364 4

原创目标检测中的边框回归（Bounding Box Regression）

目标检测中的边框回归（Bounding Box Regression）文章目录目标检测中的边框回归（Bounding Box Regression）前言一、边框回归是什么？前言如下图所示，绿色的框表示真实值Ground Truth, 红色的框为Selective Search提取的候选区域/框Region Proposal。那么即便红色的框被分类器识别为飞机，但是由于红色的框定位不准(IoU<0.5)，这张图也相当于没有正确的检测出飞机。如果我们能对红色的框进行微调fine-tuning

2021-01-29 15:35:53 1732

原创迁移学习与fine-tuning

迁移学习与fine-tuning文章目录迁移学习与fine-tuning前言一、迁移学习是什么？二、Fine-tuning是什么?三、总结前言一、迁移学习是什么？顾名思义就是把已训练好的模型（预训练模型）参数迁移到新的模型来帮助新模型训练。考虑到大部分数据或任务都是存在相关性的，所以通过迁移学习我们可以将已经学到的模型参数（也可理解为模型学到的知识）通过某种方式来分享给新模型从而加快并优化模型的学习效率不用像大多数网络那样从零学习。通常，源领域数据量充足，而目标领域数据量较小，这种场景就很适合做迁

2021-01-29 14:19:36 757

原创网络爬虫：从网站上批量获取图片

网络爬虫：从网站上批量获取图片文章目录网络爬虫：从网站上批量获取图片前言主要代码前言前一段时间学习了网络爬虫，就心血来潮想要实战一下，然后就尝试从煎蛋网上面批量获取图片保存到本地，最后发现效果还不错，这里分享给大家，闲话少说，我会直接在放出我的代码，每个代码段我都写了注释，希望能帮到初学者。主要代码import urllib.requestimport osdef open_url(url):#打开网页，建立连接 res=urllib.request.Request(url)

2021-01-27 20:45:51 847 2

原创机器学习系列问题（二）：生成模型和判别模型

机器学习系列问题（二）：生成模型和判别模型文章目录机器学习系列问题（二）：生成模型和判别模型一、简单理解二、两者分别（个人理解）一、简单理解维基百科上Generative条目里面有个经典的案例：假设有四个samples：判别式模型的世界是这个样子：生成式模型的世界是这个样子：二、两者分别（个人理解）生成模型是对条件概率分布P（y|x）进行建模；判别模型是对联合概率分布P（x，y）进行建模；两个模型都是要最大化后验概率分布，判别模型是直接对P（y|x）建模，而生成模型是对P（y

2021-01-26 20:13:45 260

原创机器学习系列问题（一）：MLE和MAP

机器学习系列问题（一）：MLE和MAP文章目录机器学习系列问题（一）：MLE和MAP前言一、条件概率公式和贝叶斯公式二、MLE和MAP前言MLE（Maximum Likelihood Estimation）：最大似然估计MAP（ Maximum A Posteriori）：最大后验估计机器学习的本质问题都是目标函数的优化，而MLE和MAP都是产生目标函数的思想。首先的一个问题，概率与统计一样吗？答案是否定的。概率问题是已知模型参数，推导数据的问题。统计问题是已知数据推导模型参数的问题。很明显，

2021-01-25 20:04:00 832

原创详解神奇的卡尔曼滤波（Kalman filter）算法

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码

2021-01-15 13:49:59 12042 10

原创非线性优化算法总结

非线性优化算法总结文章目录非线性优化算法总结一、非线性最小二乘问题二、最速梯度下降法和牛顿法三、高斯牛顿法四、LM（ Levenberg-Marquadt）法一、非线性最小二乘问题最小二乘法形式如下式：这里Target（θ）函数为目标函数，在机器学习中就是损失函数，这个函数为预测值，在机器学习中就是模型输出值，yi是真实值或理论值。那么非线性最小二乘就很容易理解了，目标参数函数和参数的关系是非线性。这里要优化的参数为θ。对于矩阵形式，这里我们简单一点：直接把简单的非线性最小二乘问题定

2021-01-12 19:08:43 11343

原创相机标定系列（三）利用matlab进行相机标定

相机标定系列（三）利用matlab进行相机标定文章目录相机标定系列（三）利用matlab进行相机标定前言一、棋盘格图像的采集二、单目相机标定2.读入数据总结前言matlab的应用程序中含有对双目相机和单目相机的标定工具箱，能够获得相机的内、外参数以及畸变参数等。在理解了相机成像和单应矩阵的原理后，使用matlab应用程序对相机进行标定时理解起来会很轻松。一、棋盘格图像的采集1、棋盘格的来源：可以网上搜索棋盘格的图片，然后出来，把它贴在一个纸板上，作为标定板,注意纸板一定要平整。如果经常使用棋盘格

2021-01-11 19:04:24 14898 6

原创相机标定系列（二）单应矩阵

相机标定系列（二）单应矩阵文章目录相机标定系列（二）单应矩阵前言一、SLAM中单应矩阵的推导二、单应矩阵的求解三、张正友标定中的单应性矩阵前言单应矩阵（Homography）H 它描述了两个平面之间的映射关系。具体的讲，就是处于共同平面上的一些点，在两张图像之间的变换关系。举个例子：空间中有一个长方形盒子，长方形盒子正面中心点为O，用相机在不同的角度拍了两张图片，得到picture1和picture2，且两张图片中都有O点，O点在两张图片中的像素坐标分别为X1(u1,v1)，X2(u2,v2)，你

2021-01-11 14:10:06 10509 5

原创相机标定系列（一）相机成像模型

相机标定系列（一）相机成像模型文章目录相机标定系列（一）相机成像模型前言一、四大坐标系二、坐标系之间的变换1.世界坐标系到相机坐标系2.相机坐标系到图像坐标系（不考虑畸变）3.相机坐标系到图像坐标系（考虑畸变）4.从图像坐标系到像素坐标系总结前言张氏标定法是张正友博士在1999年提出的一种利用平面棋盘格进行相机标定的实用方法。该方法介于摄影标定法和自标定法之间，既克服了摄影标定法需要的高精度三维标定物的缺点，又解决了自标定法鲁棒性差的难题。标定过程仅需使用一个打印出来的棋盘格，并从不同方向拍摄几组图

2021-01-08 09:47:01 1641

原创玩转英伟达jetson系列(二)安装深度学习框架Tensorflow

玩转英伟达jetson系列(二)安装深度学习框架Tensorflow文章目录玩转英伟达jetson系列(二)安装深度学习框架Tensorflow前言一、安装pip3二、pip3换源三、安装一些依赖包和库四、安装tensorflow五、测试tensorflow前言上一篇文章我们已经成功对jetson tx2或Xavier进行了刷机，这个时候Xavier和tx2已经有了做AI加速计算的SDK和条件，如opencv库，CUDA，cuDNN等。想要检查和测试这些组件的话，由于这些组件都在固定文件夹，比较简

2021-01-07 11:28:08 1771

原创玩转英伟达jetson系列(一)刷系统

玩转英伟达jetson系列(一)刷系统1.因为工作的原因，有幸同时接触并应用了英伟达jetson nano，jetson tx2和jetson Agx Xavier这三款嵌入式的AI计算平台，对于我个人来说，这三款硬件产品除了算力和性能上的区别，系统方面没什么区别，只要会其中对一个硬件刷系统，其他两个大同小异，jetson nano系统在TF卡上就一个系统烧制的工程，贼简单，中间也没有什么坑，就一笔带过了，Tx2和Xavier装系统的区别就在于Tx2用到的原装数据线是带绿标的普通数据线，而Xavier用到

2021-01-06 13:51:29 3379

AI视觉Daily