#Header1_HeaderTitle{ font-size:50px }

03 2019 档案

tensorflow+ssd_mobilenet实现目标检测的训练
摘要：本文在Ubuntu下使用tensorflow的object detection API来训练自己的数据集。所用模型为ssd_mobilenet，也可以使用其他的模型。当然也可以在windows下训练，代码上没有多大差别，主要是配置环境那里，比较麻烦（windows和linux下都一样麻烦）。 一、配 阅读全文
posted @ 2019-03-28 16:16 墨麟非攻 阅读(10089) 评论(0) 推荐(1)
Win7+keras+tensorflow使用YOLO-v3训练自己的数据集
摘要：一、下载和测试模型 1. 下载YOLO-v3 git clone https://github.com/qqwweee/keras-yolo3.git 这是在Ubuntu里的命令，windows直接去 https://github.com/qqwweee/keras-yolo3下载、解压。得到一个 阅读全文
posted @ 2019-03-25 20:46 墨麟非攻 阅读(7546) 评论(8) 推荐(1)
激活函数的比较，sigmoid，tanh，relu
摘要：1. 什么是激活函数 如下图，在神经元中，输入inputs通过加权、求和后，还被作用了一个函数。这个函数就是激活函数Activation Function 2. 为什么要用激活函数 如果不用激活函数，每一层输出都是上层输入的线性函数，无论神经网路有多少层，输出都是输入的线性组合。与没有隐藏层效果相当 阅读全文
posted @ 2019-03-23 14:08 墨麟非攻 阅读(2332) 评论(0) 推荐(0)
随机森林
摘要：随机森林（Random Forest，简称RF） 森林是有树构建的，随机森林是由多个决策树构建的。 如何随机？ 流程： 1. 采取有放回的抽样方式构建子数据集，保证不同子数据集之间的数量级一样 2. 利用子数据集构建子决策树，每个子决策树输出一个结果 3. 统计子决策树的投票结果，得到最终分类就是随 阅读全文
posted @ 2019-03-22 14:35 墨麟非攻 阅读(353) 评论(0) 推荐(0)
ROC与AUC
摘要：一、AUC AUC：随机挑选一个正样本和一个负样本，分类算法将这个正样本排在负样本前面的概率就是AUC。AUC越大，当前的分类算法越有可能将正样本排在负样本前面，即能够更好的分类。 计算方法： 1、绘制ROC曲线，ROC曲线下的面积就是AUC的值 2. 假设总共有（m+n）个样本。其中正样本m个，负 阅读全文
posted @ 2019-03-22 10:51 墨麟非攻 阅读(359) 评论(0) 推荐(0)
阿里电话面试
摘要：1. 常用的归一化。各自的作用 机器学习-数据归一化及哪些算法需要归一化 2. KMeans的步骤以及其他的聚类算法 K-均值是因为它可以发现k个不同的簇，且每个簇的中心采用簇中所含值的均值计算 其他聚类算法：二分K-均值 讲解一下步骤，其实就是说明一下伪代码 二分K-均值：（基于SSE的划分） 该 阅读全文
posted @ 2019-03-21 17:37 墨麟非攻 阅读(229) 评论(0) 推荐(0)
如何防止过拟合
摘要：一、什么是过拟合？ 简单的说，就是对模型过度训练，把"训练数据学的太好了"。如下图所示： 通过上图可以看出，随着训练的进行，训练损失逐渐减小，而验证损失先降后升，此时便发生了过拟合。即模型的复杂度升高，但是泛化能力却降低。 降低过拟合的方法：数据集扩增（Data augmentation）、正则化（ 阅读全文
posted @ 2019-03-21 17:36 墨麟非攻 阅读(837) 评论(0) 推荐(0)
机器学习-数据归一化及哪些算法需要归一化
摘要：一、数据为什么需要归一化处理？ 归一化的目的是处理不同规模和量纲的数据，使其缩放到相同的数据区间和范围，以减少规模、特征、分布差异对模型的影响。 方法： 1. 极差变换法 2. 0均值标准化（Z-score方法） 1. Max-Min（线性归一化） Max-Min归一化是对原始数据进行线性变化，利用 阅读全文
posted @ 2019-03-21 17:12 墨麟非攻 阅读(2555) 评论(0) 推荐(0)
目标检测中的mAP
摘要：一、IOU的概念 交集和并集的比例（所谓的交集和并集，都是预测框和实际框的集合关系）。如图： 二、Precision（准确率）和Recall（召回率）的概念 对于二分类问题，可将样例根据其真实类别和预测类别组合划分为真正例（true positive）、假正例（false positive）、真反例 阅读全文
posted @ 2019-03-17 21:00 墨麟非攻 阅读(3547) 评论(1) 推荐(0)
在Ubuntu内制作自己的VOC数据集
摘要：一、VOC数据集的简介 PASCAL VOC为图像的识别和分类提供了一整套标准化的优秀数据集，基本上就是目标检测数据集的模板。现在有VOC2007，VOC2012。主要有20个类。而现在主要的模型评估就是建立在VOC数据集和COCO数据集上（80个类），其指标主要是mAP和fps（帧率）。 VOC数 阅读全文
posted @ 2019-03-16 11:12 墨麟非攻 阅读(2617) 评论(0) 推荐(0)
目标检测算法之YOLOv3
摘要：参考地址：https://blog.csdn.net/leviopku/article/details/82660381 YOLO v3结构图 DBL：卷积+BN+leaky relu，是v3的最小组件 resn：n代表数字，有res1，res2，...，res8等，表示这个res_block里含有 阅读全文
posted @ 2019-03-04 11:26 墨麟非攻 阅读(3425) 评论(0) 推荐(0)
目标检测算法之YOLOv1与v2
摘要：YOLO：You Only Look Once（只需看一眼） 基于深度学习方法的一个特点就是实现端到端的检测，相对于其他目标检测与识别方法（如Fast R-CNN）将目标识别任务分成目标区域预测和类别预测等多个流程，YOLO将目标区域预测和类别预测整合到单个神经网络中，将目标检测任务看作目标区域预测 阅读全文
posted @ 2019-03-02 21:40 墨麟非攻 阅读(902) 评论(0) 推荐(0)
目标检测算法之Faster R-CNN算法详解
摘要：Fast R-CNN存在的问题：选择性搜索，非常耗时。 解决：加入一个提取边缘的神经网络，将候选框的选取交给神经网络。 在Fast R-CNN中引入Region Proposal Network（RPN）替代Selective Search，同时引入anchor box应对目标形状的变换问题（anc 阅读全文
posted @ 2019-03-02 17:21 墨麟非攻 阅读(913) 评论(0) 推荐(0)
目标检测算法之Fast R-CNN算法详解
摘要：在介绍Fast R-CNN之前我们先介绍一下SPP Net 一、SPP Net SPP：Spatial Pyramid Pooling（空间金字塔池化） 众所周知，CNN一般都含有卷积部分和全连接部分，其中，卷积层不需要固定尺寸的图像，而全连接层是需要固定大小的输入。 所以当全连接层面对各种尺寸的输 阅读全文
posted @ 2019-03-02 14:32 墨麟非攻 阅读(1094) 评论(0) 推荐(0)
目标检测算法之R-CNN算法详解
摘要：R-CNN全称为Region-CNN，它可以说是第一个成功地将深度学习应用到目标检测上的算法。后面提到的Fast R-CNN、Faster R-CNN全部都是建立在R-CNN的基础上的。 传统目标检测流程： （1）区域选择（穷举策略：采用滑动窗口，且设置不同的大小，不同的长宽比对图像进行遍历，时间复 阅读全文
posted @ 2019-03-01 15:52 墨麟非攻 阅读(1594) 评论(0) 推荐(1)