墨麟非攻

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

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

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

摘要： 如何判断对象检测算法运作良好呢？ 一、交并比（Intersection over union，IoU） 是产生的候选框（candidate bound）与原标记框（ground truth bound）的交叠率，即它们的交集与并集的比值，理想情况下是完全重叠，即比值为1 一般约定，在计算机检测任务中 阅读全文

摘要： 一、滑动窗口检测器 一种用于目标检测的暴力方法就是从左到右，从上到下滑动窗口，利用分类识别目标。为了在不同观察距离处检测不同的目标类型，我们可以使用不同大小和宽高比的窗口 得到窗口内的图片送入分类器，但是很多分类器只取固定大小的图像，所以这些图像需要经过一定的变形转换。但是，这不影响分类的准确率，因 阅读全文

摘要： 先解释一个单词 blur：使...模糊不清 滤波与模糊 滤波和模糊都属于卷积，不同的滤波方法之间只是卷积核不同（对线性滤波而言） 低通滤波器是模糊，高通滤波器是锐化 低通滤波器允许低频信号通过，在图像中边缘和噪点都相当于高频部分，所以低通滤波器用于去除噪点、平滑和模糊图像。高通滤波器则反之，用来增强 阅读全文

摘要： 一、图片相加 要叠加两张图片，使用cv2.add()，相加两幅图片的形状（高度、宽度、通道数）必须相同。numpy中可以直接用res = img1 + img2相加。但是两者的结果并不相同 如果是二值化图片（只有0和255两种值），两者结果是一样的。 二、图像混合 图像混合cv2.addWeight 阅读全文

摘要： 整个工程使用的是Windows版pyCharm和tensorflow。 源码地址：https://github.com/Irvinglove/tensorflow_poems/tree/master 代码与上篇唐诗生成基本一致，不做过多解释。详细解释，请看：Tensorflow生成唐诗和歌词（上） 阅读全文

摘要： 整个工程使用的是Windows版pyCharm和tensorflow。 源码地址：https://github.com/Irvinglove/tensorflow_poems/tree/master 唐诗生成 一、读取诗的数据集（poems.py） 这段代码主要是有两个函数构成： 1. proces 阅读全文

摘要： 这是我在机器之心上看到的一篇文章，写的非常好。自己写一遍增强印象 参考地址：https://mp.weixin.qq.com/s/yWKdZLzPy5fcnmNLLcfKPA 循环神经网络（RNN）很容易受到短期记忆的影响。如果序列足够长，序列开头的信息随着传递逐渐减弱，直至消失，很容易被遗漏。 在 阅读全文