1 2 3 4 5 ··· 8 下一页
  2019年5月13日
摘要: 本文基本参考自这篇文章: "8 Bit Quantization and TensorFlow Lite: Speeding up mobile inference with low precision" 首先来一段keras dalao Francois Chollet的鸡汤: make it p 阅读全文
posted @ 2019-05-13 14:37 Arkenstone 阅读(16681) 评论(0) 推荐(0) 编辑
  2019年3月13日
摘要: 机器学习的面试题中经常会被问到交叉熵(cross entropy)和最大似然估计(MLE)或者KL散度有什么关系,查了一些资料发现优化这3个东西其实是等价的。 熵和交叉熵 提到交叉熵就需要了解下信息论中熵的定义。信息论认为: 确定的事件没有信息,随机事件包含最多的信息。 事件信息的定义为:$I(x) 阅读全文
posted @ 2019-03-13 17:52 Arkenstone 阅读(6509) 评论(0) 推荐(2) 编辑
  2018年6月25日
摘要: 简单来说,目的就是想在图像中模拟不同角度光源对图中物体造成的不同的光照和阴影效果。目前有些工作通过3D模型重建来做这个事,效果很不错,但是本身比较复杂。这里就用了一个比较简单粗暴的方法来模拟,在我们的场景下效果还可以,但还是可以归结为简单的图像预处理。传送门:https://medium.com/@ 阅读全文
posted @ 2018-06-25 17:24 Arkenstone 阅读(1706) 评论(0) 推荐(0) 编辑
  2018年5月28日
摘要: 2018 google I/O 上关于TF新功能以及TF技术生态方面的一些总结,更具体的内容可以去看 "2018 tfdev summit" ,这里面的内容会更加详细丰富。总的来说TensorFlow在庞大的社区下基本覆盖了机器学习开发部署相关的所有领域,而且模块化做的非常好,极大降低了普通前后端开 阅读全文
posted @ 2018-05-28 23:13 Arkenstone 阅读(364) 评论(0) 推荐(0) 编辑
  2018年4月27日
摘要: 与之前一样,直接走medium的传送门:https://medium.com/@fanzongshaoxing/use tensorflow c api with opencv3 bacb83ca5683 阅读全文
posted @ 2018-04-27 22:23 Arkenstone 阅读(432) 评论(0) 推荐(0) 编辑
  2018年3月25日
摘要: 懒得用中文再写一遍了, 直接传送门过去吧。 https://medium.com/@fanzongshaoxing/detect face in bad lighting condition using color histograms 2571df5fc53b 阅读全文
posted @ 2018-03-25 22:52 Arkenstone 阅读(1882) 评论(0) 推荐(0) 编辑
  2018年3月13日
摘要: 进行运动物体检测就是将动态的前景从静态的背景中分离出来。将当前画面与假设是静态背景进行比较发现有明显的变化的区域,就可以认为该区域出现移动的物体。在实际情况中由于光照阴影等因素干扰比较大,通过像素直接进行比较往往很容易造成误检。因此有不少算法被开发出来在进行前后景分离的时候对运动和其他因素造成的变动 阅读全文
posted @ 2018-03-13 19:38 Arkenstone 阅读(11123) 评论(0) 推荐(0) 编辑
  2018年2月27日
摘要: 之前需要评估图像质量来筛选成像质量不错的图片,去除由于对焦,运动等造成的模糊图像,所以在构建数据集的时候考虑用opencv对清晰的图片进行处理获得模糊的图片从而进行训练。 1) 运动模糊图像 一般来说,运动模糊的图像都是朝同一方向运动的,那么就可以利用 函数。 2) 对焦模糊 opencv提供了 函 阅读全文
posted @ 2018-02-27 20:22 Arkenstone 阅读(8995) 评论(3) 推荐(0) 编辑
  2018年2月14日
摘要: TensorFlow 高级接口使用简介(estimator, keras, data, experiment) TensorFlow 1.4正式添加了 和`data estimator data tf.features csv keras tf.keras estimator sklearn mod 阅读全文
posted @ 2018-02-14 13:15 Arkenstone 阅读(6382) 评论(2) 推荐(1) 编辑
  2017年12月26日
摘要: opencv默认提供了haar特征和lbp特征训练的人脸分类器,但是效果不太好,所以我们可以用opencv提供的跑 "opencv_traincascade函数" 来训练一个LBP特征的分类器。(~~由于opencv3中hog与hog文章定义的不同,因此在opencv3 的opencv_trainc 阅读全文
posted @ 2017-12-26 17:30 Arkenstone 阅读(20787) 评论(0) 推荐(2) 编辑
1 2 3 4 5 ··· 8 下一页