随笔分类 -  深度学习

基于深度学习的目标检测研究进展
摘要:前言 开始本文内容之前,我们先来看一下上边左侧的这张图,从图中你看到了什么物体?他们在什么位置?这还不简单,图中有一个猫和一个人,具体的位置就是上图右侧图像两个边框(bounding-box)所在的位置。其实刚刚的这个过程就是目标检测,目标检测就是“给定一张图像或者视频帧,找出其中所有目标的位置,并 阅读全文

posted @ 2017-06-04 21:21 alexanderkun 阅读(566) 评论(0) 推荐(0)

标注工具
摘要:一、NLP标注工具BRAT BRAT是一个基于web的文本标注工具,主要用于对文本的结构化标注,用BRAT生成的标注结果能够把无结构化的原始文本结构化,供计算机处理。利用该工具可以方便的获得各项NLP任务需要的标注语料。以下是利用该工具进行命名实体识别任务的标注例子。 WeTest舆情团队在使用:h 阅读全文

posted @ 2017-06-03 11:25 alexanderkun 阅读(13876) 评论(0) 推荐(0)

在Ubuntu登陆界面输入密码之后,黑屏一闪后,又跳转到登录界面
摘要:现象:在Ubuntu登陆界面输入密码之后,黑屏一闪后,又跳转到登录界面。原因:主目录下的.Xauthority文件拥有者变成了root,从而以用户登陆的时候无法都取.Xauthority文件。说明:Xauthority,是startx脚本记录文件。Xserver启动时,读文件~/.Xauthorit 阅读全文

posted @ 2017-06-02 17:31 alexanderkun 阅读(2329) 评论(0) 推荐(0)

R-CNN,SPP-NET, Fast-R-CNN,Faster-R-CNN, YOLO, SSD系列深度学习检测方法梳理
摘要:1. R-CNN:Rich feature hierarchies for accurate object detection and semantic segmentation 技术路线:selective search + CNN + SVMs Step1:候选框提取(selective sea 阅读全文

posted @ 2017-05-31 15:37 alexanderkun 阅读(766) 评论(0) 推荐(0)

LeNet,AlexNet,GoogleLeNet,VggNet等网络对比
摘要:CNN的发展史 上一篇回顾讲的是2006年Hinton他们的Science Paper,当时提到,2006年虽然Deep Learning的概念被提出来了,但是学术界的大家还是表示不服。当时有流传的段子是Hinton的学生在台上讲paper时,台下的机器学习大牛们不屑一顾,质问你们的东西有理论推导吗 阅读全文

posted @ 2017-05-31 10:50 alexanderkun 阅读(15092) 评论(0) 推荐(0)

正则化为什么能防止过拟合(重点地方标红了)
摘要:正则化方法:防止过拟合,提高泛化能力 在训练数据不够多时,或者overtraining时,常常会导致overfitting(过拟合)。其直观的表现如下图所示,随着训练过程的进行,模型复杂度增加,在training data上的error渐渐减小,但是在验证集上的error却反而渐渐增大——因为训练出 阅读全文

posted @ 2017-05-31 07:51 alexanderkun 阅读(35497) 评论(6) 推荐(12)

Network in Network 个人理解
摘要:关键点是1*1的卷积是怎么用的,也就是MLP卷积。看如下的数据就可以理解了 输入为224*224*3的图像,第一层卷积为11*11*3*96(也就是96个11*11*3的卷积核,另外还有步长),卷积完后是54*54*96的数据,然后用1*1*96的卷积核进行卷积,得出54*54*96的数据,再利用1 阅读全文

posted @ 2017-05-30 16:17 alexanderkun 阅读(396) 评论(0) 推荐(0)

Network in Network 2
摘要:《Network in Network》论文笔记 1.综述 这篇文章有两个很重要的观点: 1×1卷积的使用 文中提出使用mlpconv网络层替代传统的convolution层。mlp层实际上是卷积加传统的mlp(多层感知器),因为convolution是线性的,而mlp是非线性的,后者能够得到更高的 阅读全文

posted @ 2017-05-30 16:07 alexanderkun 阅读(451) 评论(0) 推荐(0)

Network in Network
摘要:一、相关理论 本篇博文主要讲解2014年ICLR的一篇非常牛逼的paper:《Network In Network》,过去一年已经有了好几百的引用量,这篇paper改进了传统的CNN网络,采用了少量的参数就松松击败了Alexnet网络,Alexnet网络参数大小是230M,采用这篇paper的算法才 阅读全文

posted @ 2017-05-30 16:06 alexanderkun 阅读(486) 评论(0) 推荐(0)

利用 TFLearn 快速搭建经典深度学习模型
摘要:利用 TFLearn 快速搭建经典深度学习模型 使用 TensorFlow 一个最大的好处是可以用各种运算符(Ops)灵活构建计算图,同时可以支持自定义运算符(见本公众号早期文章《TensorFlow 增加自定义运算符》)。由于运算符的粒度较小,在构建深度学习模型时,代码写出来比较冗长,比如实现卷积 阅读全文

posted @ 2017-05-29 16:54 alexanderkun 阅读(6183) 评论(0) 推荐(1)

深度学习主机环境配置: Ubuntu16.04+GeForce GTX 1080+TensorFlow
摘要:接上文《深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0》,我们继续来安装 TensorFlow,使其支持GeForce GTX 1080显卡。 1 下载和安装cuDNN cuDNN全称 CUDA Deep Neural Network library, 阅读全文

posted @ 2017-05-26 14:46 alexanderkun 阅读(1806) 评论(0) 推荐(0)

cudnn 安装步骤
摘要:上官网下载对应的cudnn https://developer.nvidia.com/cudnn 下载完cudnn后,命令行输入文件所在的文件夹 (ubuntu为本机用户名) cd home/ubuntu/Downloads/ tar zxvf cudnn-8.0-linux-x64-v5.1.tg 阅读全文

posted @ 2017-05-26 13:59 alexanderkun 阅读(39140) 评论(2) 推荐(0)

deeplearning 源码收集
摘要:Theano– CPU/GPU symbolic expression compiler in python (from MILA lab at University of Montreal)Torch– provides a Matlab-like environment for state-of... 阅读全文

posted @ 2015-11-30 21:10 alexanderkun 阅读(1218) 评论(0) 推荐(0)

Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置说明2
摘要:1. 安装build-essentials安装开发所需要的一些基本包sudo apt-get install build-essential2. 安装NVIDIA驱动 (3.4.0)2.1 准备工作(2014-12-03更新)在关闭桌面管理 lightdm 的情况下安装驱动似乎可以实现Intel 核... 阅读全文

posted @ 2015-11-27 22:01 alexanderkun 阅读(196) 评论(0) 推荐(0)

Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置说明
摘要:笔者花了很长时间才装完,主要是cuda安装和opencv安装比较费劲,cuda找不到32位的安装包只好重装64位的ubuntu系统,opencv 也是尝试了很久才解决,这里建议用2.4.9版本。其实如果没用GPU的话不需要安装cuda,不过为了后续兼容性的考虑,系统强烈建议64位的。下面是 对自己的... 阅读全文

posted @ 2015-11-27 21:54 alexanderkun 阅读(404) 评论(0) 推荐(0)

Ubuntu12.04 安装PyCharm
摘要:1. 下载选择Linux Tab,选择下载免费的Community Edition【1】。当前版本是3.42. 安装PyCharm按照官网给出的安装指导【2】进行安装。(1) Copy the pycharm-*.tar.gz to the desired installation location... 阅读全文

posted @ 2015-11-27 19:38 alexanderkun 阅读(373) 评论(0) 推荐(0)

Convolution Neural Network (CNN) 原理与实现
摘要:本文结合Deep learning的一个应用,Convolution Neural Network 进行一些基本应用,参考Lecun的Document 0.1进行部分拓展,与结果展示(in python)。分为以下几部分:1. Convolution(卷积)2. Pooling(降采样过程)3. C... 阅读全文

posted @ 2015-10-11 09:24 alexanderkun 阅读(2794) 评论(0) 推荐(0)

cnn公式推导
摘要:CNN公式推导1 前言 在看此blog之前,请确保已经看懂我的前两篇blog【深度学习笔记1(卷积神经网络)】和【BP算法与公式推导】。并且已经看过文献[1]的论文【Notes on Convolutional Neural Networks】。因为本文就是讲解文献[1]论文前部分公式的推导过程。2... 阅读全文

posted @ 2015-10-10 19:35 alexanderkun 阅读(1179) 评论(0) 推荐(1)

cnn的说明
摘要:概述前面的练习中,解决了一些有关低分辨率图像的问题,比如:小块图像,手写数字小幅图像等。在这部分中,我们将把已知的方法扩展到实际应用中更加常见的大图像数据集。全联通网络在稀疏自编码章节中,我们介绍了把输入层和隐含层进行“全连接”的设计。从计算的角度来讲,在其他章节中曾经用过的相对较小的图像(如在稀疏... 阅读全文

posted @ 2015-10-09 21:34 alexanderkun 阅读(380) 评论(0) 推荐(0)

卷积的介绍
摘要:先看到卷积运算,知道了卷积就是把模版与图像对应点相乘再相加,把最后的结果代替模版中心点的值的一种运算。但是,近来又看到了积分图像的定义,立马晕菜,于是整理一番,追根溯源一下吧。1 卷积图像1.1 源头首先找到了一篇讲解特别好的博文,原文为:卷积贴过正文来看:---------------------... 阅读全文

posted @ 2015-10-09 21:33 alexanderkun 阅读(5451) 评论(1) 推荐(0)

导航