- 博客(73)
- 收藏
- 关注
RSS订阅原创 Hi3518e安装第四步
交叉编译环境的安装首次安装SDK1)Hi3518 SDK包位置 在"Hi3518_V100R001SPC***/01.software/board"目录下，您可以看到一个 Hi3518_SDK_Vx.x.x.x.tgz 的文件，该文件就是Hi3518的软件开发包。其中，Hi3518_V100R001SPC01xxx对应的是uclib版本，Hi3518_V100R001SPC0
2017-03-07 11:01:23
565
转载 Caffe、TensorFlow、MXnet三个开源库对比
最近Google开源了他们内部使用的深度学习框架TensorFlow，结合之前开源的MXNet和Caffe，对三个开源库进行了比较，其中只有Caffe比较仔细的看过源代码，其他的两个库仅阅读官方文档和一些研究者的评论博客有感，本文首先对三个库有个整体的比较，再针对一些三者设计的不同数据结构、计算方式、gpu的选择方式等方面做了比较详细的比较。最近Google开源了他们内部使用的深度学习
2017-02-16 15:27:52
421
转载 深度学习工具比较1
对Caffe、CNTK、TensorFlow、Theano和Torch等深度学习工具从网络、模型能力、接口、部署、性能、架构、生态系统、跨平台等方面做了比较。网络和模型能力Caffe可能是第一个主流的工业级深度学习工具，它开始于2013年底,具有出色的卷积神经网络实现。在计算机视觉领域Caffe依然是最流行的工具包，它有很多扩展，但是由于一些遗留的架构问题，它对递归网络和语言建模的支持很差
2017-02-16 15:25:22
1096
转载 移动端深度学习
一.移动端深度学习的几种实现方式(1)Caffe的移动端编译项目caffe(命令式框架)算是在国内最流行的深度学习开源框架，使用它进行商业，研究的人很多。对于移动端的实现，也有开源项目对caffe进行了移植。 项目连接如下:android-lib android-demo我认识的很多科研院所的朋友以及百度这种大公司他们，在移动端的本地项目中也使用了caffe
2016-11-29 20:33:44
5559
2
转载 人脸识别常用库和API
自从谷歌眼镜被推出以来，围绕人脸识别，出现了很多争议。我们相信，不管是不是通过智能眼镜，人脸识别将在人与人交往甚至人与物交互中开辟无数种可能性。为了帮助研究过程中探索人脸识别，我们列出以下人脸检测和识别API。希望有所帮助！Face Recognition - 拉姆达实验室斯蒂芬弄的。示例代码和图形演示点击http://api.lambdal.com/docs，我们
2016-11-14 16:55:20
5373
转载 PCANet
PCANet可谓是国内技术大牛新提出的一种新的深度学习框架，为了方便大家研究，在此将其摘要、引言、基本原理介绍等三部分的内容进行了翻译，不过并非原文直译，会加上一点我自己的理解，次要部分也会一笔带过。如果大家不介意，可以去阅读原版的英文文档。 摘要 在这篇文章中，我们提出了一个很简洁的关于图像分类的深度学习框架，这个框架主要依赖几个基本的数据处理方法：1）主成分分析PCA。2）
2016-11-14 16:52:14
5998
转载 PCA主成分分析
1、PCA算法介绍主成分分析（Principal Components Analysis），简称PCA，是一种数据降维技术，用于数据预处理。一般我们获取的原始数据维度都很高，比如1000个特征，在这1000个特征中可能包含了很多无用的信息或者噪声，真正有用的特征才100个，那么我们可以运用PCA算法将1000个特征降到100个特征。这样不仅可以去除无用的噪声，还能减少很大的计算量。
2016-10-21 17:33:12
924
转载 LBP特征
LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen, 和D. Harwood 在1994年提出，用于纹理特征提取。而且，提取的特征是图像的局部的纹理特征； 1、LBP特征的描述 原始的LBP算子定义为在3*3的窗口内，以窗
2016-10-21 17:27:42
365
转载 CNN卷积神经网络
1. 概述 卷积神经网络是一种特殊的深层的神经网络模型，它的特殊性体现在两个方面，一方面它的神经元间的连接是非全连接的， 另一方面同一层中某些神经元之间的连接的权重是共享的（即相同的）。它的非全连接和权值共享的网络结构使之更类似于生物 神经网络，降低了网络模型的复杂度（对于很难学习的深层结构来说，这是非常重要的），减少了权值的数量。 回想一下BP神经网络。BP网络每一层
2016-10-19 22:10:20
782
转载 卷积神经网络
先明确一点就是，Deep Learning是全部深度学习算法的总称，CNN是深度学习算法在图像处理领域的一个应用。第一点，在学习Deep learning和CNN之前，总以为它们是很了不得的知识，能解决很多问题，学习了之后，才知道它们不过与其他机器学习算法如svm等相似，仍然可以把它当做一个分类器，仍然可以像使用一个黑盒子那样使用它。第二点，Deep Learning强大的地方就是
2016-10-19 19:50:10
503
转载 c++ 遍历目录下文件
#include "stdlib.h"#include "direct.h"#include "string.h"#include "io.h"#include "stdio.h" #include "iostream"using namespace std;class CBrowseDir{protected: //存放初始目录的绝对路径，以'\'结尾 char m_s
2016-10-19 19:18:32
207
转载 贝叶斯分类原理：
1)在已知P(Wi)，P(X|Wi)(i=1,2)及给出待识别的X的情况下，根据贝叶斯公式计算出后验概率P(Wi|X) ;2)根据1)中计算的后验概率值，找到最大的后验概率，则样本X属于该类。举例：解决方案： 但对于两类来说，因为分母相同，所以可采取如下分类标准： %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
2016-10-18 20:43:28
448
转载 HOG构造函数
CV_WRAP HOGDescriptor() :winSize(64,128), blockSize(16,16), blockStride(8,8), cellSize(8,8),nbins(9), derivAperture(1), winSigma(-1), histogramNormType(HOGDescriptor::L2Hys),L2HysThreshold(0.2),
2016-10-18 20:41:34
329
转载 贝叶斯分类器
我个人一直很喜欢算法一类的东西，在我看来算法是人类智慧的精华，其中蕴含着无与伦比的美感。而每次将学过的算法应用到实际中，并解决了实际问题后，那种快感更是我在其它地方体会不到的。 一直想写关于算法的博文，也曾写过零散的两篇，但也许是相比于工程性文章来说太小众，并没有引起大家的兴趣。最近面临毕业找工作，为了能给自己增加筹码，决定再次复习算法方面的知识，我决定趁这个机会，写一系列关于算法的
2016-10-15 23:34:08
379
转载 几种深度学习框架的分析与比较
本文是zerOn和bamos在GitHub上发表的一篇文章，对Caffe、CNTK、TensorFlow、Theano和Torch等深度学习工具从网络和模型能力、接口、部署、性能、架构、跨平台等方面做了比较，这几个方面也可以作为选择深度学习模型时的参考。红色部分为本人自己的标注，若影响阅读，请参看原文。原文：http://www.infoq.com/cn/news/2016/01/evalua
2016-10-15 23:26:51
4060
转载 HOG特征
1、HOG特征： 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员D
2016-10-15 15:47:54
205
原创 Python的JSON模块
Python的JSON模块目录Python自从2.6版本以来，将JSON纳入了标准库。标准库名就叫json。json这个标准库来源于开源Python库simplejson。两者的用法基本一致。所以经常会看到如下代码：12try:importsimplejson asjsonexcept Import
2016-10-14 15:12:05
659
转载 Convolution Neural Network (CNN) 原理与实现
本文结合Deep learning的一个应用，Convolution Neural Network 进行一些基本应用，参考Lecun的Document 0.1进行部分拓展，与结果展示（inPython）。分为以下几部分：1. Convolution（卷积）2. Pooling（降采样过程）3. CNN结构4. 跑实验下面分别介绍。PS：本篇blog
2016-10-13 22:24:26
333
转载 SVM
机器学习是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习的大致分类：1）分类（模式识别）：要求系统依据已知的分类知识对输入的未知模式（该模式的描述）作分析，以确定输入模式的类属，例如手写识别（识别是不是这个数）。
2016-10-13 22:22:50
606
转载 vim折叠（非常好的功能）
set foldmethod=indent "set default foldmethod"zi 打开关闭折叠"zv 查看此行zm 关闭折叠zM 关闭所有zr 打开zR 打开所有zc 折叠当前行zo 打开当前折叠zd 删除折叠zD 删除所有折叠1. 折叠方式可用选项 'foldmethod' 来设定折叠方式：set fdm=*****。set
2016-10-13 19:56:27
613
转载 caffe之训练和测试自己的图片
学习caffe的目的，不是简单的做几个练习，最终还是要用到自己的实际项目或科研中。因此，本文介绍一下，从自己的原始图片到lmdb数据，再到训练和测试模型的整个流程。一、准备数据有条件的同学，可以去imagenet的官网http://www.image-net.org/download-images，下载imagenet图片来训练。但是我没有下载，一个原因是注册账号的时候，验证码始终出不来（
2016-10-12 21:54:17
470
转载 pip安装使用详解
原文地址：http://www.ttlsa.com/python/how-to-install-and-use-pip-ttlsa/1.1 pip安装包123# pip install SomePackage [...] Successfully installed SomePackage1.2 pip查看已安装的包123
2016-10-11 16:40:21
403
转载 caffe入门教程
（一）简介1.caffe是一个清晰而高效的深度学习框架，纯粹的C++/CUDA架构，支持命令行、Python和MATLAB接口，可以在CPU和GPU直接无缝切换；2.caffe的主要优势：（1）CPU与GPU的无缝切换；（2）模型与优化都是通过配置文件来设置，无需代码；3.caffe的下载与安装：（1）下载（2）安装（3）caffe的下载与安装以及一些基本的介绍官网
2016-10-09 22:12:28
771
转载 神经网络入门
数字版的神经网络 (The Digital Version) 上面我们看到了生物的大脑是由许多神经细胞组成，同样，模拟大脑的人工神经网络ANN是由许多叫做人工神经细胞（Artificial neuron，也称人工神经原，或人工神经元）的细小结构模块组成。人工神经细胞就像真实神经细胞的一个简化版，但采用了电子方式来模拟实现。一个人工神经网络中需要使用多少个数的人工神经细胞，差别可以非常大
2016-10-09 21:13:12
540
转载 卷积神经网络
1. 神经网络首先介绍神经网络，这一步的详细可以参考资源1。简要介绍下。神经网络的每个单元如下：其对应的公式如下：其中，该单元也可以被称作是Logistic回归模型。当将多个单元组合起来并具有分层结构时，就形成了神经网络模型。下图展示了一个具有一个隐含层的神经网络。其对应的公式如下：比较类似的，可以拓展到有2,3,4,5，…个
2016-10-09 18:54:09
550
转载 BP神经网络模型与学习算法
"BP（Back Propagation）"网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。
2016-10-08 21:47:57
603
原创 win7安装theano+GPU
配置：win7，cuda_8.0.44_windows.exe，vs2012，theano-0.821. 安装vs2012，配置环境变量path： D:\MicrosoftVisual Studio 11.0\VC\bin;D:\MicrosoftVisualStudio11.0\VC\bin\amd64;2. 安装Anaconda，完成后在cmd中输入pipins
2016-10-08 19:08:16
945
转载 人脸识别主要算法原理
主流的人脸识别技术基本上可以归结为三类，即：基于几何特征的方法、基于模板的方法和基于模型的方法。1. 基于几何特征的方法是最早、最传统的方法，通常需要和其他算法结合才能有比较好的效果；2. 基于模板的方法可以分为基于相关匹配的方法、特征脸方法、线性判别分析方法、奇异值分解方法、神经网络方法、动态连接匹配方法等。3. 基于模型的方法则有基于隐马尔柯夫模型，主动形状模型和主动外观模型的方法等。
2016-10-08 15:33:18
3096
转载 机器学习入门
朴素贝叶斯；逻辑回归和线性回归；梯度下降法；KNN算法；KD树；SVM、SMO；对偶求解；决策树；随机森林RF；Cart；GBDT；
2016-10-01 11:21:51
433
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人