2018年11月16日
OpenCV形态学操作
摘要： 一、概念 dilate（膨胀）： 取所操作区域的最大值代替中心像素值（锚点），算子的移动与卷积操作相同。 erode（腐蚀）： 取所操作区域的最小值代替中心像素值（锚点）。 形态学梯度：morphology gradient，膨胀减去腐蚀。 开操作：先腐蚀再膨胀 闭操作：先膨胀再腐蚀 顶帽：toph 阅读全文
posted @ 2018-11-16 23:01 zarjen 阅读(174) 评论(0) 推荐(0) 编辑
hosts文件不可见时的修改方法
摘要： 说明： 在破解软件时，需要修改系统的hosts文件，但有的系统该文件所在的文件夹不可见，即使设置成隐藏可见， 还是不可见该文件。 遇到该种情况，可以通过CMD命令符打开hosts文件进行修改。 在a56爆大奖在线娱乐个人使用Idea软件破解时、sublime软件破解时，finalshell修改主机映射时，均遇到该问题 阅读全文
posted @ 2018-11-16 20:07 zarjen 阅读(696) 评论(0) 推荐(0) 编辑
2018年11月9日
Caffe框架
摘要： 深度学习框架Caffe: 神奇且强大的Caffe： 在GitHub上有一个小社区：Model Zoo Caffe官网： 可以通过Caffe官网的实例进行Caffe学习的快速入门。 阅读全文
posted @ 2018-11-09 13:52 zarjen 阅读(306) 评论(0) 推荐(0) 编辑
数据增强与transfer learning
摘要： Data Augmentation 水平翻转（horizontal flips），镜像操作，是数据增强的常用操作； 随机裁剪（实际要检测的部分可能是被遮蔽的、或者光线强度不同、姿势不同等，a56爆大奖在线娱乐训练时采用裁剪某个大小进行训练） 随机大小（大小变换，图像进行放大和缩小，不同大小的也要做随机的裁剪）。 其 阅读全文
posted @ 2018-11-09 11:09 zarjen 阅读(685) 评论(0) 推荐(0) 编辑
2018年11月8日
卷积神经网络分类与回归任务的应用简介
摘要： location 对输入图像定位，找到盒子坐标（x,y,w,h)；Clssificaion and Location的最后一层是的特征做两件事，一个是分类，一个是定位。 训练时使用已有的模型，也就是最后一层全联接之前所有的参数都用已有模型的，然后在这个基础上进行微调（fine tune），使其向着想 阅读全文
posted @ 2018-11-08 22:13 zarjen 阅读(2721) 评论(0) 推荐(0) 编辑
2018年11月7日
递归神经网络RNN与长短期记忆网络LSTM
摘要： 一、递归神经网络RNN 实际属于输入之间可能是存在联系的，a56爆大奖在线娱乐在多次输入x0、x1........中，每次的中间信息A（也称为机器单元）都保存下来传给下次输入的中间信息A，每次输入的计算结果h0、h1......不一定是目标结果可以不使用，只有最终的ht是想要的预测结果。 递归神经网络适合自然语言处 阅读全文
posted @ 2018-11-07 23:07 zarjen 阅读(1108) 评论(0) 推荐(0) 编辑
2018年11月6日
windows7系统VS2017下的OpenCV环境搭建
摘要： 一、下载VS2017社区版 该版本可免费使用 二、OpenCV3.4.1下载及安装 1、下载地址：https://i.cnblogs.com/EditPosts.aspx?opt=1，Download下选择“win pack”版； 2、将下载的opencv-3.4.1-vc14_vc15.exe右键 阅读全文
posted @ 2018-11-06 19:28 zarjen 阅读(1131) 评论(2) 推荐(0) 编辑
2018年11月5日
卷积神经网路
摘要： 卷积层和池化层 与神经网络相比，卷积神经网络多了卷积层和池化层，基本顺序为data-conv-ReLU-Pooling-FC（全联接层）-s 一、卷积神经网络的权重共享 经典神经网络：全连接，即a56爆大奖在线娱乐神经元都与每一个数据有对应的参数； 卷积神经网络是权重共享的，就是得到的特征图的a56爆大奖在线娱乐像素点都是原图的一 阅读全文
posted @ 2018-11-05 23:11 zarjen 阅读(261) 评论(0) 推荐(0) 编辑
2018年11月2日
神经网络框架
摘要： 一、激活函数 线性操作分类能力不强，而非线性表达可以分开数据。 神经网络中隐层就是增加了激活函数，使得神经网络表达出更强大的效果。 Sigmoid可作为激活函数，但容易引起梯度消失（导数趋近于0）。 max（0，x）就是ReLU激活函数，可以解决梯度消失问题，导数简单，已经常用的神经网络激活函数。 阅读全文
posted @ 2018-11-02 11:29 zarjen 阅读(431) 评论(0) 推荐(0) 编辑
2018年10月31日
最优化-梯度下降算法-前向传播-反向传播
摘要： 一、前向传播：通过一组w参数得到一组得分值f(x)，再做e^x再归一化，再到Loss值。 Bachsize是一次取2的整数倍数（32,64,128）张图片做一次迭代 学习率：过大会来回震荡，找不到最小值；太小，迭代次数过大，效率低。 二、反向传播 由Loss值一步一步往回传，更新权重参数。 先算z对 阅读全文
posted @ 2018-10-31 19:35 zarjen 阅读(548) 评论(0) 推荐(0) 编辑