小名double木

几种取整方式首先，常见取整函数常见三种：round,ceil,floor分别对应为：四舍五入取整、向上取整、向下取整。四舍五入取整比较常见，但用于区间统计问题划分区间时，通常需要向上或者向下取整。区间统计，一维离散数据为例，比如存在一组数组x，统计其各个区间bins的分布数量，那么是不是需要对每个数据进行这样的区间判断呢？if x(i) > bins(j - 1) &&x(i) <= bins(j)这种方法需要对每个变量遍历同时，对区间逐一遍历直至...

看起来毫不相关的两种网络，其有哪些近似之处呢？这篇文章将用简易文字总结。卷积神经网络-CNN首先，卷积和神经网络是两个独立模块：卷积是为了提取特征，卷积核为待求参数，客观世界表现为对图像数据提取特征的方式；神经网络是工具，通过输入指定维度参量**（这个输入就是源图像经过预处理、反复的卷积-池化降维、激活、全连接等模块所得）**，通过反复迭代，对权重参数运算，使得整个网络在应用于后验数据时，能够很好的匹配上其客观现实中所对应的人为指定标签。在提取特征时，通常需要一次性的提取多个特征，直观变现为

为什么要降数据维度？将高维度的数据降低维度，甚至使其在低维线性可分，就是计算机下一步要做的事情。 什么叫高维度，在提取多个样本后，统一处理之前需要对数据做一些reshape至一维处理，然后通过一定方式连接起来，这样多个图特征就转成二维矩阵了。计算机需要解决的问题，变成简单的： AX+B=Y的问题了，X是输入，Y是输出标签，A是权重函数，B是偏移量。对于手写字体训练的28乘以28的图...

非监督学习听到名字就觉得很厉害，毕竟即使面临高考的高中生，也还是需要在老师的监督下，才能顺利完成中学学业。那么派给计算机这种艰难的人性化任务，他能够做到吗？ 首先，回忆下前文的监督类学习，在给计算机训练样本的同时，也递交给他一个小标签，那个标签写着这个样本属于哪个目标。 非监督学习就不会给计算机递交这个标签了，你只需要给计算机一堆的数据，比如，你把一堆的小猫小狗小猪的图片乱序打包，...

入门初衷小编本行是红外运动目标识别与跟踪，现有项目用的均是传统方法，解决了哪里有东西，这个东西从哪儿去哪儿的问题，但解决不了他是什么的问题。 老板总喜欢揣摩偶像公司，会让我思索，别人的监控界面具备识别车、船、动物、人等下拉列表，其后用的什么深奥算法？ 于是乎，机器学习等概念，慢慢被博客前辈们灌输。我所理解的机器学习以下内容均为个人理解，会有很多不完备解释，请谅解。机器学...

VOC数据集VOC主要有三个重要的文件夹：Annotations、ImageSets和JPEGImages。分别是标注信息、分割信息和原始图片等。公开数据集有现成的对应文件，前人已经做好标注工作。在初步训练网络时，选择该组比较完备的数据，确实是一个比较快捷的方法。XML到CSV格式以下是一个标准的VOC格式写法，粘贴了一个VOCtrainval_11-May-2012文件夹下的XML格式...

初衷项目需要，需要做样本类别训练，即将每类样本分放在不同的文件夹，通过网络训练后得到模型，检测数据输出为所属类别；先前深度学习输出为类别和位置，需要遍历全局图像，比较耗时。问题分类别训练时，需要搜集大量样本并进行裁剪，这是一个很费时间和感情的事情；恰好在深度学习时，通过labelimage等工具得到样本数据，如下图所示：可否通过这些数据，将样本裁剪出来呢？于是乎，写了个脚本，并且实...

检测模型在经过上万次迭代训练自己的样本后，尝试检测模型；用相似环境下的图片作为检测样本。以下是检测代码，copy自别处，修改自己的路径一类，cmd下运行，或者在配置好环境的pycharm 下运行。import matplotlibmatplotlib.use('Agg')import timestart = time.time()import numpy as npimport...