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：
TensorFlow出现这个错误是因为网络的输入被原样输出,也就是说同一个东西既被输入网络,又被输出网络. 阅读全文
摘要：
Keras出现了下面的错误: 原因是使用了Keras backend的reshape操作: 但是Keras backend并不是一个Layer,于是出现了上面的错误.解决的方法是使用Lambda,Lambda用于定义一个Layer,其中没有需要学习的变量,只是对Tensor进行一些操作.先定义一个r 阅读全文
摘要：
对下面的Dict: 如果用value从大到小排序： 如果对key排序,用d[0];默认的是从小到大排序,如果是从大到小,需要用reverse = True. 注意返回的是一个List,不再是Dict. 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：
Keras运行迭代一定代数以后，速度越来越慢，经检查是因为在循环迭代过程中增加了新的计算节点，导致计算节点越来越多，内存被占用完，速度变慢。判断是否在循环迭代过程中增加了新的计算节点，可以用下面的语句： 如果增加了新的计算节点，就会报错，如果没有报错，说明没有增加计算节点。 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：
首先，导入os，再按照PCI_BUS_ID顺序，从0开始排列GPU， 然后就可以选择用哪一个或者那几个GPU运行： 用0号GPU，即'/gpu:0'运行； 用0号和1号设备，即'/gpu:0'、'/gpu:1'运行； 用7号设备，即'/gpu:7'运行，但是'/gpu:7'根本不存在，于是就只能用C 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：
运行下面的代码： 出错： 这是因为换成了Python3.6.5，Python3.6.5已经删除了has_key()方法，改成了下面的写法： 就可以正常运行了。 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：
首先，创建一个环境用来安装Tensorflow： 安装以后，在Anaconda Navigator可以看到已经增加了一个新环境： 在cmd窗口中输入： 安装Tensorflow的GPU版本： 在PyCharm中，File->Settings->Projector Interpretor，在Proje 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：
Python 2安装的是mysql-python，Python 3安装mysql-python以后，仍然不能import MySQLdb，原来Python 3应该安装mysqlclient，就可以import MySQLdb了。 阅读全文
摘要：
连接时MySQL出现了下面的错误： 解决的办法是先停止MySQL服务，在my.ini文件的最下面加入一行： 再启动MySQL服务，就可以了。 阅读全文
摘要：
以前是在Cent OS中运行Tensorflow，，经常需要切换操作系统，很不方便，于是决定在Windows 7下安装Tensorflow。 过程还是挺复杂的，需要安装的包括：Visual Studio、Anaconda、CUDA、cuDNN、PyCharm、Tensorflow-gpu等。 Vis 阅读全文
摘要：
一般情况下，import的文件和被import的文件在同一个路径下面，import也比较方便。如果这两个文件不在一个路径下面，import就比较麻烦了，需要在被import的文件路径下面新建一个__init__.py文件，可以是一个没有代码的空文件。 比如被import的文件路径是../A/B/b. 阅读全文
摘要：
首先定义一个tf.train.Saver类： 其中，max_to_keep参数设定只保存最后一个参数，默认值是5，即保存最后5个模型，如果设置成0，训练过程中的所有模型都会被保存。 模型训练好以后，保存模型： 其中，sess是Session，ckpt_dir + "/nn_model.ckpt"是保 阅读全文
摘要：
Python可以实现多线程，但是因为Global Interpreter Lock (GIL)，Python的多线程只能使用一个CPU内核，即一个时间只有一个线程在运行，多线程只是不同线程之间的切换，对多核CPU来说，就是巨大的浪费。如4核CPU，实际上只利用了一个核，CPU利用率只有25%。要充分 阅读全文
摘要：
遗传算法(Genetic Algorithms, GA)是一种随机优化算法，用于解决结构复杂的优化问题。遗传算法模仿自然界中生物的进化过程，即适者生存，不适者淘汰的过程。其过程如下： (1) 随机生成一些个体(Individual)，构成一个种群(Population)，对每一个解进行评估，获得它的 阅读全文
摘要：
众所周知，Python和Java一样是基于虚拟机的语言，并不是像C/C++那样将程序代码编译成机器语言再运行，而是解释一行执行一行，速度比较慢。使用Numba库的JIT技术编译以后，可以明显提高程序的运行速度。 首先，使用PyCharm安装Numba库，在Project Interpreter界面可 阅读全文
摘要：
Taylor formula(泰勒级数)用一个函数在某一点的连续导数之和来表示这个函数。如果函数在在点x=x0处有n阶导数，则f(x)可以按以下式子展开： 其目的在于用多项式函数逼近函数。如果x0=0，就是Maclaurin formula(麦克劳林公式)： n的值越大，越逼近f(x)，下图是f(x 阅读全文
摘要：
首先定义一个compare函数： 然后调用该函数就可以对List中的元素排序： 要求ListA中的元素有value这个属性才行，当然也可以把value换成ListA中的元素的其他共有属性也可以。感觉和Java差不多。 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