随笔分类 - 深度学习
摘要：(一)、什么是Adam算法?Adam（Adaptive momentum）是一种自适应动量的随机优化方法（A method for stochastic optimization），经常作为深度学习中的优化器算法。 (二)、Adam算法如何实现？
阅读全文
摘要：以前在做CV时，数据增强的方法裁剪，模糊，翻转等，学习NLP时对数据增强的方法很少介绍，现将其增强方法整理如下：
阅读全文
摘要：一、下载goole earth 和GetScreen： 试了很多，找了可以使用的上传到百度网盘，链接如下所示： 链接：https://pan.baidu.com/s/1fp-W8u68iRsJ0xcu-pJWhg 提取码：zrsw 使用方法： 1、首先打开Google earth，并将球锁定到要截取
阅读全文
posted @ 2019-05-23 18:18
努力奋斗的阿贝拉
摘要：参考：https://blog.csdn.net/z704630835/article/details/88697165 一、DOTA：A Large-scale Dataset for Object Detection in Aerial Images 数据集介绍：该数据集一共有15种土地利用类型
阅读全文
摘要：https://www.cnblogs.com/gujianhan/p/6030639.html
阅读全文
摘要：YOLO1：https://blog.csdn.net/m0_37192554/article/details/81092514 https://blog.csdn.net/shuiyixin/article/details/82533849 YOLOV2：https://blog.csdn.net
阅读全文
posted @ 2019-04-04 14:43
努力奋斗的阿贝拉
摘要：一、目标检测和目标识别 目标识别（object recognition）是要指明一张图像中包含哪类目标。输入是图像，输出是图像中的目标属于的类别（class probability）。目标检测是识别出图像中的类别外，还要框出目标的具体位置（bounding boxes）. 在目标检测时，为定位到目标
阅读全文
摘要：大规模机器学习： 线性回归的梯度下降算法：Batch gradient descent(每次更新使用全部的训练样本) 批量梯度下降算法（Batch gradient descent）： 每计算一次梯度会遍历全部的训练样本，如果训练样本的比较多时，内存消耗过大。 随机梯度下降算法： 1、 首先将随机打
阅读全文
摘要：学习算法中的高方差对应过拟合，高偏差对应欠拟合； debug学习系统时： 改善高方差的方法：增加训练集数量、减小特征数量、增大正则系数 改善高偏差的方法:增加特征数量、减小正则系数、增加高阶特征 准确率和召回率如上图所示，衡量效果时使用F系数，如下图 逻辑回归和SVM的选择： n表示特征量的个数；m
阅读全文
摘要：参考：https://blog.csdn.net/t46414704152abc/article/details/79574003 https://blog.csdn.net/chibangyuxun/article/details/53148005 https://blog.csdn.net/li
阅读全文
摘要：梯度更新是要同时更新，如下图所示：θ0和θ1同时更新，而不是更新完一个后再更新另一个。 学习率α过小，梯度下降较慢，训练时间增长。若学习率α过大，梯度下降会越过最低点，难以得到最优的结果，导致难以收敛或发散。 如果参数值已是局部最优，进行梯度下降计算时导数是0，梯度下降不会作任何操作，参数不改变 在
阅读全文
摘要：先从以下几方面入手： ◆从简单并且得到广泛应用的网络开始，如VGG，如果可以的话使用标准的损失函数。 ◆暂时去掉所有的trick，如数据增强(Data Augmentation)和正则化(regularization)。 ◆如果是微调(finetuning)模型，再次检查数据的预处理，保证其和原始网
阅读全文
摘要：转自：https://www.cnblogs.com/gongxijun/p/6117588.html?utm_source=itdadao&utm_medium=referral
阅读全文
摘要：通常用外部api进行卷积的时候，会面临mode选择。 本文清晰展示三种模式的不同之处，其实这三种不同模式是对卷积核移动范围的不同限制。 设 image的大小是7x7，filter的大小是3x3 1，full mode 橙色部分为image, 蓝色部分为filter。full模式的意思是，从filte
阅读全文
摘要：近期利用遥感影像进行路网提取，利用Unet网络进行图像分割 介绍如下： U-net网络非常简单，前半部分作用是特征提取，后半部分是上采样。在一些文献中也把这样的结构叫做编码器-解码器结构。由于此网络整体结构类似于大写的英文字母U，故得名U-net。U-net与其他常见的分割网络有一点非常不同的地方：
阅读全文
摘要：反卷积、上采样、上池化图示理解，如上所示。 目前使用得最多的deconvolution有2种。 方法1：full卷积， 完整的卷积可以使得原来的定义域变大 上图中蓝色为原图像，白色为对应卷积所增加的padding，通常全部为0，绿色是卷积后图片。卷积的滑动是从卷积核右下角与图片左上角重叠开始进行卷积
阅读全文
摘要：转自： https://blog.csdn.net/yuweiming70/article/details/81513742 正则化是用来减小训练集的过拟合，解决过拟合的方法如下图所示： 1、减小特征量的个数，会丢失相关的特征信息 2、选择合适的算法模型 3、正则化：保持特征量的个数不变，减少参数的
阅读全文
摘要：参考： https://zhuanlan.zhihu.com/p/27938792 做法 设，每个batch输入是 （其中每个 都是一个样本， 是batch size） 假如在第一层后加入Batch normalization layer后， 的计算就倍替换为下图所示的那样。 矩阵 先经过 的线性变
阅读全文
摘要：转自： https://zhuanlan.zhihu.com/p/31426458 faster rcnn的基本结构 Faster RCNN其实可以分为4个主要内容： 1 Conv layers Conv layers包含了conv，pooling，relu三种层。以python版本中的VGG16模
阅读全文
浙公网安备 33010602011771号