Moon

摘要： 文章首发：xmoon.info 边缘提取 在大多数时候图像的边缘可以承载大部分的信息，并且提取边缘可以除去很多干扰信息，提高处理数据的效率 目标: 识别图像中的突然变化(不连续) 图像的大部分语义信息和形状信息都可以编码在边缘上 理想:艺术家使用线条勾勒画(但艺术家也使用对象层次的知识) 边缘的种类 阅读全文

摘要： 文章首发：xmoon.info PAPER: Cars Can’t Fly up in the Sky: Improving Urban-Scene Segmentation via Height-driven Attention Networks CityScape数据集 介绍 ​Cityscap 阅读全文

摘要： 文章首发：xmoon.info 半监督学习 在有标签数据+无标签数据混合成的训练数据中使用的机器学习算法。一般假设，无标签数据比有标签数据多，甚至多得多。 要求： 无标签数据一般是有标签数据中的某一个类别的（不要不属于的，也不要属于多个类别的）； 有标签数据的标签应该都是对的； 无标签数据一般是类别 阅读全文

摘要： 文章首发：xmoon.info Embedding 独热码：数量大，过于稀疏，映射之间是独立的，没有表现出关联性 Embedding：一种单词编码方法，以低维向量实现了编码，这种编码通过神经网络训练优化，能表达出单词的相关性。 TF描述Embedding层 tf.keras.layers.Embed 阅读全文

摘要： 卷积就是特征提取器，通过卷积计算层提取空间信息，例如我们可以用卷积和提取一张图片的空间特征，再把提取到的空间特征送入全连接网络，实现离散数据的分类。但是一些与时间相关的，只可以根据上文预测书下文来预测。 例如： 看到这几个字会下意识地想到“水”，这是因为脑具有记忆。记忆体记住了上文中提到的“鱼离不开 阅读全文

摘要： InceptionNet InceptionNet诞生于2014年，当年ImageNet竞赛冠军，Top5错误率为6.67% InceptionNet引入了Inception结构块，在同一层网络内使用不同尺寸的卷积核，提升了模型感知力使用了批标准化缓解了梯度消失 Inception V1（Googl 阅读全文

摘要： Cifar10数据集 提供 5万张 32*32 像素点的十分类彩色图片和标签，用于训练。 提供 1万张 32*32 像素点的十分类彩色图片和标签，用于测试。 导入cifar10数据集： cifar10 = tf.keras.datasets.cifar10 (x_train, y_train),(x 阅读全文

摘要： 每个神经元与前后相邻层的每一个神经元都有连接关系，输入是特征，输出为预测的结果。随着隐藏层增多，网络规模的增大，待优化参数过多容易导致模型过拟合 卷积计算过程： 全连接NN：每个神经元与前后相邻层的每一个神经元都有连接关系，输入是特征，输出为预测的结果。 实际项目中的图片多是高分辨率彩色图 随着隐藏 阅读全文

摘要： 以MNIST的sequential模型为base-line，通过读取自己的数据，训练模型并存储模型，最后达到绘图实物的运用。 自制数据集，解决本领域应用 观察数据结构 给x_train、y_train、x_test、y_test赋值 def generateds(图片路径,标签文件)： def ge 阅读全文

摘要： 前面已经使用TensorFlow2的原生代码搭建神经网络，接下来将使用keras搭建神经网络，并改写鸢尾花分类问题的代码，将原本100多行的代码用不到20行代码实现。 用TensorFlow API：tf.keras搭建网络 使用Sequential 六步法： import，相关模块 train, 阅读全文