大奥特曼打小怪兽

摘要： 在前面几节中，我们已经介绍了什么是目标检测，以及如何进行目标检测，还提及了滑动窗口，bounding box、以及IOU,非极大值抑制等概念。 这里将会综述一下当前目标检测的研究成果，并对几个经典的目标检测算法进行概述，本文内容来自基于深度学习的目标检测，在后面几节里，会具体讲解每一种方法。 在深度 阅读全文

摘要： 你如何判断对象检测算法运作良好呢？在这一节中，你将了解到并交比函数，可以用来评价对象检测算法。 一 并交比(Intersection over union ) 在对象检测任务中，你希望能够同时定位对象，所以如果实际边界框是这样的，你的算法给出这个紫色的边界框，那么这个结果是好还是坏？所以交并比（lo 阅读全文

摘要： 在讲解对图像进行傅里叶变换之前，我们先来了解一下傅里叶变换，毕竟也接近几年没有接触傅里叶变换了，也忘得差不多了。 一、傅里叶变换 傅里叶分析可分为傅里叶级数（Fourier Serie）和傅里叶变换（Fourier Transformation）。 1.1 傅里叶级数 傅里叶级数：所有周期信号都可以 阅读全文

摘要： 上节，我们学习了如何通过卷积网络实现滑动窗口对象检测算法，但效率很低。这节我们讲讲如何在卷积层上应用这个算法。 为了构建滑动窗口的卷积应用，首先要知道如何把神经网络的全连接层转化成卷积层。我们先讲解这部分内容，并演示卷积的应用过程。 一 卷积的滑动窗口实现 假设对象检测算法输入一个 14×14×3 阅读全文

摘要： 一 目标定位(单个物体) 对象检测，它是计算机视觉领域中一个新兴的应用方向，相比前两年，它的性能越来越好。在构建对象检测之前，我们先了解一下对象定位，首先我们看看它的定义。 图片分类任务我们已经熟悉了，就是算法遍历图片，判断其中的对象是不是汽车，这就是图片分类。这节我们要学习构建神经网络的另一个问题 阅读全文

摘要： 在介绍这一节之前，需要你对slim模型库有一些基本了解，具体可以参考第二十二节，TensorFlow中的图片分类模型库slim的使用、数据集处理，这一节我们会详细介绍slim模型库下面的一些函数的使用。 一 简介 slim被放在tensorflow.contrib这个库下面，导入的方法如下： 这样我 阅读全文

摘要： 一 迁移学习 如果你要做一个计算机视觉的应用，相比于从头训练权重，或者说从随机初始化权重开始，如果你下载别人已经训练好网络结构的权重，你通常能够进展的相当快，用这个作为预训练，然后转换到你感兴趣的任务上。计算机视觉的研究社区非常喜欢把许多数据集上传到网上，如果你听说过，比如 ImageNet， 或者 阅读全文

摘要： Google在TensorFlow1.0，之后推出了一个叫slim的库，TF-slim是TensorFlow的一个新的轻量级的高级API接口。这个模块是在16年新推出的，其主要目的是来做所谓的“代码瘦身”。它类似我们在TensorFlow模块中所介绍的tf.contrib.lyers模块，将很多常见 阅读全文

摘要： 一 条件变分自编码(CVAE) 变分自编码存在一个问题，虽然可以生成一个样本，但是只能输出与输入图片相同类别的样本。虽然也可以随机从符合模型生成的高斯分布中取数据来还原成样本，但是这样的话饿哦们并不知道生成的样本属于哪个类别。条件变分编码则可以解决这个问题，让网络按指定的类别生成样本。 在变分自编码 阅读全文

摘要： 一 变分自编码(Variational Auto-Encoder) 变分自编码不再是学习样本的个体，而是学习样本的规律，这样训练出来的自编码不单具有重构样本的功能，还具有仿照样本的功能。 变分自编码，其实就是在编码过程中改变了样本的分布("变分"可以理解为改变分布)。前面所说的"学习样本的规律"，具 阅读全文