- 博客(12)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 光电技术与光纤基础期末复习笔记
光电复习一.基础知识（1.）光电检测系统组成：光源，信息载体，光学系统，光电探测器，信息处理装置（2）.幅射度学（下标e):（3.）光度学（下标v）1.视见函数V(波长r）在波长为555nm的绿色光最大，为1，其他波长视见函数小于12.光通量（光通量与辐射通量的关系）3.照度4.点源（4）能带结构1.满带：被电子填满的能带（不导电）2.空带：没有电子占据的能带3.价带：原子最外层电子分裂成的能带4.导带：比...
2020-07-01 18:14:29
24405
原创 移动通信期末复习笔记
移动通信复习笔记1.1移动通信的主要特点一.必须使用无线电波进行传播无线电波传播特性:信号衰落原因：能量扩散------>弥漫损耗地形地物的影响------>阴影效应直射反射绕射---->多径传播--->多径效应收发两端的相对运动---->多普勒频移二.在复杂的干扰环境中运行干扰：邻道干扰，互调干扰，同道干扰，多址干扰，远近效应小区制的同道干扰：使用相同频道的这些小区之间会存在同频干扰，由蜂窝间的距离与小区半径的比值来决定的。解决
2020-06-29 18:26:13
43324
1
原创 计算机网络期末复习（华师）
计算机网络复习一。计算机网络的定义通过物理线路，网络设备，通信线路，把地理上分布的，独立的，自制的计算机和计算机系统组成起来，在网络协议配合下，达到资源共享的系统。1.网络体系结构为什么要采用分层次的结构?答：分层的好处：(1).各层之间是独立的。某一层可以使用其下一层提供的服务而不需要知道服务是如何实现的。(2).灵活性好。当某一层发生变化时，只要接口关系不变，则这层以上或以下的各层均不受影响。(3).结构上可分割开。各层可以采用最适合的技术来实现。(4).易于实现和维护。(5).能促进
2020-06-28 20:13:00
4287
原创 TensorFlow+SSD编程实战及模型优化（一）
一.SSD模型详细介绍1背景：Single Shot MultiBox Detector (one-stage方法）.Wei Liu在ECCV 2016提出.端到端的训练，不存在候选框提取这个过程，采用anchor机制.直接回归目标类别和位置.不同尺度的特征图上进行预测2.网络框架每一个方格为一个卷积层 ，主干网络为VGGNet，将VGG-16最后两个fc层替换为两个卷积层，在经过多次下采样，6个连线对应6种特征图，多尺度Feature Map预测，在检测层对目标区域的目标类
2020-05-25 09:05:32
962
原创 计算机视觉之人脸识别学习（六）
一.人脸业务场景综述（1）生物信息识别人脸是生物信息识别邻域重要研究方向之一，生物信息识别领域主要包括两大方面：生物特征和行为特征。人脸识别是属于生物特征非常重要的研究内容。行为特征主要包括了姿态的识别，手势的识别，步态的识别等和人的行为模式的识别。生物特征有手形，指纹，脸型，虹膜，视网膜，脉搏，耳廓等生物识别技术：基因识别，手形识别，面部识别，掌纹识别，指纹识别，虹膜识别（2）人脸业务场景1.人脸检测检测出图像中人脸所在位置的一项技术，为我们人脸业务提供基础技术支撑。人脸检
2020-05-15 16:18:53
1265
原创 TensorFlow挑战Cifar-10图像分类任务
TensorFlow挑战Cifar-10图像分类任务1.图像分类实际上就是给定一张图片，然后通过卷积神经网特征提取，通过提取的特征进行类别的判定CIFAR-10数据集包含10小类，60000个32*32的彩色图像。有50000个训练图像和10000个测试图像。数据集下载路径：http://www.cs.toronto.edu/~kriz/cifar.html2.TensorFlow...
2020-05-08 20:38:29
726
原创 计算机视觉之人脸学习（五）
一.TensorFlow基础介绍(一）TensorFlow中的基础概念介绍1.什么是TensorFlow：Google开源的基于数据流图的科学计算库，适合用于机器学习，深度学习等人工智能领域，tensorflow的源码：https://github.com/tensorflowhttps://gitub.com/tensorflow/modelsTensor：张量（数据）F...
2020-05-08 09:53:22
642
原创 计算机视觉之人脸学习（四）
1.从简到繁再到简的卷积神经网：LeNet->AlexNet->ZFNet->VGGNet->Inception系列->ResNet系列->轻量型卷积神经网（1)LeNet:1998,LeCun提出，用于解决手写数字识别，MNIST（10分类）,其网络结构：这个图片输入的大小为28*28，是一张灰度图，通过LeNet对图片进行特征提取，输出10维...
2020-04-24 11:51:24
606
1
原创 计算机视觉之人脸学习（三）
1.深度学习发展迅猛的原因（1）数据规模的加大，比较著名的就是imageNet（2）算力：GPU+深度学习芯片使计算机算力大大的提高，使得我们搭建深的网络结构提供了可能（3）算法：在分类，检测，分割等领域深度学习取得了非常大的进展2.常见的深度学习模型（1）卷积神经网（CNN）：解决图像，语音数据（2）循环神经网（RNN）：解决序列上的任务，文本数据（3）自动编码机(A...
2020-04-22 18:38:43
1052
原创 计算机视觉之人脸学习（二）
1.深度学习中的核心知识（1）前向运算：给定一个输入，经过网络运算得到最终的输出的过程就是前向运算的过程。能够告诉我们怎么样使用当前的网络结构。当前的隐藏层节点是由上一层和它相连的节点经过线性运算来得到的。这个线性运算代表了当前层的运算方式，这个运算方式还可以是卷积，池化等等网络运算。每层的隐藏节点运算方式是一样的，区别在于每个节点运算的参数都是不一样的，即它们的加权平均的权值是不同的，所...
2020-04-21 16:01:02
338
原创 计算机视觉之人脸学习（一）
一。深度学习的基本概念1.卷积神经网的思维导图：2.深度学习的发展历程(三起两落）. 1943年，人工神经网络:没有得到重视. 1957年，感知器模型：解决常见的线性分类和线性回归的任务，但没有办法解决异或问题. 1980年，多层感知器：解决单层感知机的问题，但没办法解决网络参数的计算问题. 1986年，反向传播算法：解决对于少数层神经网络训练的问题，随着网络的加深容易...
2020-04-20 23:03:49
360
翻译 多分类标签基于keras@[zjc20172333086]
多分类标签基于keras@[zjc20172333086]目的：训练一个分类器来将物品分到不同的类别中，比如一件衣服：可以安照服饰类别、颜色、质地打上“衬衫”、“蓝色”、“棉”的标签整个工程的步骤如下：1.首先讨论多标签分类数据集（以及如何快速构建自己的数据集）。2.之后简要讨论SmallerVGGNet，我们将实现的Keras神经网络架构，并用于多标签分类。3.然后我们将实施Smal...
2019-11-09 07:23:13
344
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人