算法与人工智能
关注
分享
扫一扫
算法与人工智能
帅帅Go
中科院数学硕士
展开
-
理解三个原则，轻松掌握矩阵求导
理解三个原则，轻松掌握矩阵求导本文首发在我的微信公众号，地址：理解三个原则，轻松掌握矩阵求导矩阵求导在机器学习领域十分常见，无论在学习时，或者阅读相关论文的时候，掌握矩阵求导的方法是必要的。虽然有很多总结好的公式可以记住，但是总有忘记的时候，因此记再多也不如自己懂得如何计算。根据矩阵微分的相关定义，可以总结出矩阵求导的三个原则：如果函数f(x)为矩阵函数或向量函数，而自变量x为标量...原创 2020-05-08 17:24:36 · 684 阅读 · 0 评论 -
面向机器学习的数学基础：线性代数、拓扑、微积分和最优化（附下载链接）
数学是机器学习的基础，而机器学习又是深度学习的基础，因此无论搞机器学习还是深度学习，没有相应的数学基础是不行的。算法和模型的搭建，都需要重要的数学工具作为支撑。不管是对机器学习研究人员，还是立志走上机器学习和AI研究之路的学生，打好坚实的数学基础是都至关重要的。机器学习涉及到的数学学科背景知识比较广泛，除了必须掌握的线性代数、概率统计之外，还需要拓扑学、微积分、最优化理论等学科知识。本文分享一...原创 2019-11-15 17:59:10 · 889 阅读 · 0 评论 -
胶囊网络原理
什么是胶囊网络？胶囊网络是 Geoffrey Hinton 提出的一种新型神经网络结构，为了解决卷积神经网络（ConvNets）的一些缺陷。正式介绍Capsule的论文由Geoffrey Hinton在2017年发表，论文名字为《Dynamic Routing Between Capsules》。如对原论文感兴趣，可以通过文章底部的方式进行下载。卷积网络有什么缺陷？上图是卷积网络对卡戴...原创 2019-11-12 18:02:14 · 1561 阅读 · 0 评论 -
基于视角变化的视频关键帧提取方法（附代码地址）
基于图像进行三维重建时，需要从视频中提取关键帧，构成图片集合。从视频中提取关键帧时，一般的方法是按照固定帧率（时间间隔）来进行提取图片。但由于拍摄视频时，场景视角变化幅度有时大有时小，按照固定帧率提取图片集，如果帧率过小，会丢失一些对三维重建比较关键的帧，而如果帧率过大，则提取的图片集合过大，造成不必要的冗余。本质上来说，不存在一个合适的帧率进行图片提取。用于三维重建的图片集合，只要保持相...原创 2019-10-19 20:05:57 · 1936 阅读 · 3 评论 -
tensorflow2.0正式版已发布，这里有一份教程（附下载链接）
tensorflow2.0正式版已发布，这里有一份教程（附下载链接）10月1日是我国成立70周年大庆，举国同庆的同时，大洋彼岸的谷歌宣布，开源机器学习库TensorFlow 2.0现在可供公众使用。TensorFlow 2.0的Alpha版本今年初在TensorFlow开发者大会上首次发布，经过近7个月的不断修改、更新，TensorFlow 2.0正式版终于来到了大家的面前。TensorFl...原创 2019-10-15 18:32:02 · 625 阅读 · 0 评论 -
移动端实时目标检测网络Mobilenet_v2-ssdlite及其keras实现(附代码地址)
移动端实时目标检测网络Mobilenet_v2-ssdlite及其keras实现目标检测网络一般分为one-stage和two-stage。two-stage的检测网络基于Region Proposal，包括：R-CNN，Fast R-CNN，Faster R-CNN等，虽然精度相对较高，但是检测速度过慢，一帧需要几秒的时间，远远达不到实时。而one-stage的检测网络，包括SSD和YOLO...原创 2019-04-06 09:42:02 · 10738 阅读 · 33 评论 -
tensorflow变量作用域tf.variable_scope介绍
tensorflow变量作用域tf.variable scope介绍举例说明tf.get_variable()工作机制tf.variable_scope理解举例说明TensorFlow中的变量一般就是模型的参数。当模型复杂的时候共享变量会无比复杂。官网给了一个case，当创建两层卷积的过滤器时，每输入一次图片就会创建一次过滤器对应的变量，但是我们希望所有图片都共享同一过滤器变量，一共有4个变...原创 2019-01-24 15:42:49 · 18107 阅读 · 6 评论 -
语义分割网络RefineNet原理与Pytorch实现(附代码地址)
语义分割网络RefineNet原理与Pytorch实现1】RefineNet介绍2】RefineNet网络结构RefineNet BlockRCUMRFCRP1】RefineNet介绍RefineNet使用long-range残差连接，能够有效的将下采样中缺失的信息融合进来，从而产生高分辨率的预测图像。它将粗糙的高层语义特征和细粒度的底层特征进行融合。利用残差连接和identity ma...原创 2019-01-05 17:42:09 · 7890 阅读 · 9 评论 -
R-CNN论文学习笔记
W∗W_*W∗原创 2018-12-02 16:42:41 · 390 阅读 · 0 评论 -
Box-Muller变换原理详解
Box-Muller变换原理详解Box-Muller变换原理详解Box-Muller变换Box-Muller变换是通过服从均匀分布的随机变量，来构建服从高斯分布的随机变量的一种方法。具体的描述为：选取两个服从[0,1][0,1][0,1]上均匀分布的随机变U1U1U1、U2U2U2，XXX、YYY满足X=cos(2πU1)−2lnU2X=cos(2\pi U_1)\sqrt{-2\ln ...原创 2018-12-02 12:36:19 · 21031 阅读 · 10 评论 -
数字图像的距离变换算法
数字图像的距离变换算法一、图像数字化二、距离三、距离变换四、OpenCV代码实现一、图像数字化通过传感器获得的图像是平面坐标(x,y)的连续函数f(x,y)，它的值图像对应位置的亮度。为了能够让计算机来处理，需要对图像进行采样，并且对亮度值进行量化。1、采样。对连续函数f(x,y)进行采样，就是分别对x轴和y轴，按照固定间隔取值，得到平面坐标上的M×N个点，将其函数值作为元素生成M行N列的...原创 2018-12-02 10:30:57 · 8524 阅读 · 1 评论 -
AlexNet论文笔记
AlexNet论文笔记【1】AlexNet介绍【2】网络结构详解【3】AlexNet的特点【1】AlexNet介绍AlexNet由Alex Krizhevsky于2012年提出，夺得2012年ILSVRC比赛的冠军，top5预测的错误率为16.4%，远超之前的第一名。此后，更多的更深的神经网路被提出，引爆了深度学习研究的热潮。AlexNet采用8层的神经网络，包含6亿3000万个链接，60...原创 2018-12-02 09:26:13 · 373 阅读 · 0 评论