随笔分类 - Machine Learning/Computer Vision
摘要：非极大值抑制(Non-Maximum Suppression,NMS)是在目标检测中广泛应用的一种方法:首先对每一个预测框给出一个分类和置信度,对每一类的框,按照置信度从小到大排序;然后选中置信度最大的框,依次和前面的同类框计算IOU,对于IOU大于阈值的框,就直接删除掉（也可以理解成将这些框的置信
阅读全文
摘要：2. Network Architecture 网络分为两个部分:第一部分是backbone卷积网络,用于提取整张图的特征;第二部分是head,用于对ROI进行处理,分为两个分支,一个分支用来对box分类和回归,另一部分进行mask预测。 网络的Backbone采用ResNet或者FPN(Featu
阅读全文
摘要：网络的结构如下： 采用FPN结构,Backbone是RetinalNet,分成了P3~P7共5个Layer,分别训练不同尺寸的Box.每个Layer对应的Head有2个分支,包括一个单独的分支用来预测分类,另一个分支用来预测两部分,一部分是Box坐标的回归,另一部分是GT Box和Anchor之间的
阅读全文
摘要：MASK-RCNN是一个多用途的网络,可以用来做目标检测,实例分割或者人体姿态识别.主要结构如下. 简单的说,就是首先用Faster-RCNN获得ROI,再进行ROI Align,然后输出ROI的分类,同时输出分割掩码. 1. Faster-RCNN和ROI Align Faster-RCNN是一个
阅读全文
摘要：RetinaNet，SSD，YOLOv3，Faster R-CNN等都是Anchor-based的检测器，即需要预定义的Anchor boxes来进行训练。FCOS是一种Anchor-free和Proposal-free的检测器，即不需要预定义Anchor boxes来进行训练，从而节省了对计算资源
阅读全文
摘要：CornerNet是一种anchor free的目标检测方法，不需要设置anchor，而是通过检测关键点(Keypoints)，即目标的左上角(Top-Left Corners)和右下角(Bottom-Right Corners)，再进行配对，来实现目标的检测。 网络的前半部分是一个卷积网络，后半部
阅读全文
摘要：1. Learning rate不合适，如果太大，会造成不收敛，如果太小，会造成收敛速度非常慢； 2. Batch size太大，陷入到局部最优； 3. 网络太简单，一般情况下，网络的层数和节点数量越大，拟合能力就越强，如果层数和节点不够多，无法拟合复杂的数据，也会造成不收敛.
阅读全文
摘要：1. Cross entropy 交叉熵损失函数用于二分类损失函数的计算,其公式为： 其中y为真值,y'为估计值.当真值y为1时, 函数图形: 可见此时y'越接近1损失函数的值越小,越接近0损失函数的值越大. 当真值y为0时, 函数图形: 可见此时y'越接近0损失函数的值越小,越接近1损失函数的值越
阅读全文
摘要：2.2 边框回归 边框回归使用下面的几个公式： xywh是预测值,带a的是anchor的xywh,带*的是GT Box的xywh,可以看作是anchor经过一定的变换回归到附近的GT Box.
阅读全文
摘要：加州大学洛杉矶分校在PLOS Computing Biology上发表了一篇文章，分析了深度卷积网络(DCNN)和人类识别物体方法的不同：深度卷积网络(DCNN)是依靠物体的纹理进行识别，而人类是依靠物体的轮廓进行识别。如对下面的图a，人类依靠轮廓很快就能识别出这是一只熊，速度和准确性超过深度卷积网
阅读全文
摘要：Kaiming He的这篇论文提出了一个新问题，在目标检测、实例分割和人体关键点检测等领域，预训练的模型是否真的起了作用？通过实验，得出结论：迭代次数较少时，使用预训练模型效果更好；但是只要迭代次数充分多，使用预训练的模型和使用随机初始化的模型效果差距不大。可见预训练模型并不是那么重要。
阅读全文
摘要：2. 区域建议网络 区域建议网络(Regional Proposal Network, RPN)，根据特征图上每一个点的向量，为这个点生成k个矩形建议框。每一个点输出的内容包括：reg层4个输出x、y、w、h，其中x、y是矩形建议框中心的目标，w、h是矩形建议框的宽度和高度，cls层输出两个数字，分
阅读全文
摘要：Keras版本的Faster R-CNN源码下载地址：https://github.com/yhenon/keras-frcnn下载以后，用PyCharm打开（前提是已经安装了Tensorflow-gpu和Keras），打开以后可以看到项目的结构： 修改requirements.txt，设置Kera
阅读全文
摘要：目标检测是一种基于目标几何和统计特征的图像分割，最新的进展一般是通过R-CNN（基于区域的卷积神经网络）来实现的，其中最重要的方法之一是Faster R-CNN。 1. 总体结构 Faster R-CNN的基本结构如下图所示，其基础是深度全卷积网络（ZF或者VGG-16）。在深度全卷积网络输出的特征
阅读全文
摘要：当数据维数比较大时，就需要进行降维，特征选择是降维的一种主要方式，又包括3种方法：Filter、Wrapper和Enbedding。 1. Filter 过滤器方法，这种方法首先选定特征，再来进行学习。根据每一个属性的一些指标（如方差等），来确定这个属性的重要程度，然后对所有属性按照重要程度排序，从
阅读全文
摘要：SVMs(Surport Vector Machines)是用来解决两分类问题的，直接用SVMs实现多分类是不行的，只能使用下面这些间接的方法： （1）1-v-r，即对于每一个分类，训练一个该分类和其他分类的分类器，如对于类k，k是一类，所有其他的是另一类，这样就需要训练k个分类器。对未知样本分类时
阅读全文
摘要：Batch Size：批尺寸。机器学习中参数更新的方法有三种： （1）Batch Gradient Descent，批梯度下降，遍历全部数据集计算一次损失函数，进行一次参数更新，这样得到的方向能够更加准确的指向极值的方向，但是计算开销大，速度慢； （2）Stochastic Gradient Des
阅读全文
摘要：首先，SVM和LR(Logistic Regression)都是分类算法。SVM通常有4个核函数，其中一个是线性核，当使用线性核时，SVM就是Linear SVM，其实就是一个线性分类器，而LR也是一个线性分类器，这是两者的共同之处。 不同之处在于，第一，LR只要求计算出一个决策面，把样本点分为两类
阅读全文
摘要：Python进行KMeans聚类是比较简单的，首先需要import numpy，从sklearn.cluster中import KMeans模块： 然后读取txt文件，获取相应的数据并转换成numpy array： 设置类的数量，并聚类： 完整代码： 运行结果：
阅读全文
摘要：1. CUDA Toolkit的安装 到https://developer.nvidia.com/cuda-gpus查询GPU支持的CUDA版本： 到https://developer.nvidia.com/cuda-downloads，根据操作系统选择下载相应的CUDA Toolkit版本，下载的
阅读全文
浙公网安备 33010602011771号