- 博客(55)
- 收藏
- 关注
RSS订阅原创 想去的地方
目前喜欢纯美的无人区，但并不是恶劣环境的那种。国内新疆伊犁赛里木胡喀纳斯最新想带一家人去新疆玩玩，有没有好的本地导游推荐？ (slcjgj.com)http://xj.slcjgj.com/?bd_vid=10533512779175021110&hdfshare=18690971760近期准备去新疆玩8-15天，那边地广人稀景点分散，有哪些好玩的景点？要怎样安排行程？ (ynsxjr.com)http://dss.ynsxjr.com/PCXJ/index.html
2022-02-25 13:06:02
775
原创 BMW Series3/5/7
3-Series第一代，E21，1975。有些许粗糙，过于简单。第二代，E30，1984。最喜欢的一代，外观新颖大气。第三代，E36，1991。外观开始变得有些现代了，介于复古和现代之间的产物吧。第四代，E46，1999。第五代，代号为E90/E91/E92/E93。第五代的宝马3系和以前几代有一些差别，它的代号有很多，每种代号对应一种单独的车型。具体的为：E90，四门轿车。E91，旅行车。E92，双门的Coupe跑车。E93，双...
2021-10-08 17:33:41
177
原创 ABOUT摄影
基础知识感光度ISO衡量对光的灵敏程度。对于较不敏感的底片，需要曝光更长的时间以达到跟较敏感底片相同的成像，因此通常被称为慢速底片。高度敏感的底片因而称为快速底片。无论是数位或是底片摄影，为了减少曝光时间，相对使用较高敏感度通常会导致影像质量降低（由于较粗的底片颗粒或是较高的影像噪声或其他因素）。数码相机普遍采用了电子信号放大增益技术，与ISO数值相对应的是电子信号放大增益值，比如设定在标准值时提供等同ISO100的增益幅度，对应ISO200和400的增益值可通过提高增益幅度实现。那么增益幅度是
2021-01-24 08:32:08
1219
原创 集装箱港口分布
由北向南，目前做了中国的大部分港口，由于卫星地图更新较慢，故仅做参考，研究发现百度地图有些区域不能查看，高德地图不能更新较谷歌地图更新较慢，故本文最终选择谷歌地图，目前没有找到存储地址的方式来保存港口位置，只能靠截图的方式来记录。大连岸桥13+14+8=35营口岸桥4锦州岸桥12秦皇岛岸桥6京唐岸桥18天津岸桥23+22+12...
2020-04-16 20:09:34
1156
原创 一级建造师
考《建设工程经济》《建设工程项目管理》《建设工程法规与相关知识》《建设工程管理与实务》4门。其中，《建设工程管理与实务》根据专业不同分为：建筑工程、机电工程、市政公用工程、公路工程、港口与航道工程、水利水电工程、通信与广电工程、矿业工程、民航机场工程、铁路工程，即一级建造师的10个专业。有效期...
2019-07-16 09:25:24
657
原创 建立自己的博客
建立博客有的人用Hexo，有的人用Jekyll，看网上大多数人推荐Hexo，下面就用Hexo建立自己的博客，整理如下，以备查阅。欢迎访问我的博客：JHolmes1.安装配置环境整个博客框架是基于node.js的，所以需要安装node.js，Windows Installer 64-bit，一路next即可，Node.js 的包管理器 npm（node package manager），...
2018-12-15 12:40:34
579
原创 PS
gif添加文字，添加到某些页面先将文字层拖到想要插入的层的后面然后不想此文字层在某个范围出现，如不想再1-4层出现，则点击左下角，点击第一层，然后按住shift，再点击第4层点击右边文字层的眼镜完成。...
2018-11-29 21:08:41
308
转载 前端框架
一、前端框架库：总的来说：Vue.js和React的重点更侧重于创建可复用、易于测试、能灵活集成的组件。当然，通过其它扩展组件，以及一些脚手架插件的支持，也可以方便的搭建一个采用最新实践的前端应用的构建框架。它们最大的优点是按需定制，学习曲线平滑，构建出来的应用小而精。相对来说，Angular4和Ember是大而全的框架，它们更侧重于大型前端工程的构建，为开发人员屏蔽项目构建底层的细节，提...
2018-10-30 16:11:53
475
转载 复杂度
算法复杂度分为时间复杂度和空间复杂度。其作用：时间复杂度是指执行这个算法所需要的计算工作量；而空间复杂度是指执行这个算法所需要的内存空间。时间和空间（即寄存器）都是计算机资源的重要体现，而算法的复杂性就是体现在运行该算法时的计算机所需的资源多少。时间复杂度（Time Complexity）1：算法的时间复杂度反映了程序执行时间随输入规模增长而增长的量级，在很大程度上能很好地反映出算法的优劣...
2018-10-25 16:33:52
493
转载 冒泡排序
Bubble Sort，是Java中的经典算法。原理：比较两个相邻的元素，将值大的元素交换至右端。思路：依次比较相邻的两个数，将小数放在前面，大数放在后面。即在第一趟：首先比较第1个和第2个数，将小数放前，大数放后。然后比较第2个数和第3个数，将小数放前，大数放后，如此继续，直至比较最后两个数，将小数放前，大数放后。重复第一趟步骤，直至全部排序完成，其实这个过程就是一个将最大值传递到最后的算法...
2018-10-25 16:17:01
162
原创 编程_链表
从头到尾打印链表输入一个链表，按链表值从尾到头的顺序返回一个ArrayList。Java/*** public class ListNode {* int val;* ListNode next = null;** ListNode(int val) {* this.val = val;* ...
2018-09-22 13:32:24
239
原创 分类器
分类器的作用：常规任务是利用给定的类别、已知的训练数据来学习分类规则和分类器，然后对未知数据进行分类（或预测）。逻辑回归（logistics）、SVM等常用于解决二分类问题，对于多分类问题（multi-class classification），比如识别手写数字，它需要10个分类，同样也可以用逻辑回归或SVM，只是需要多个二分类来组成多分类，但这样容易出错且效率不高，常用的多分类方法有softma...
2018-09-21 21:23:10
47677
2
原创 Regularization（L1_L2_Dropout）
正则化防止过拟合，提高模型的泛化能力，但并不改变问题的本质。常用的技术包括：正则化，如L1、L2范数（L2也叫作weight decay）等 数据集扩增（Data augmentation），扩充训练集合，例如添加噪声、数据变换等 Dropout early stopping在训练数据不够多时，或者overtraining时，常常会导致overfitting（过拟合）。其直观的表现...
2018-09-21 20:05:53
374
原创 Normalization
归一化 / 规范化 / 标准化，是一种简化计算的方式，将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。其中最典型的就是数据的归一化处理，即将数据统一映射到[0,1]区间上。能够提升模型的收敛速度，提升模型的精度。主要看模型是否具有伸缩不变性。有些模型在各个维度进行不均匀...
2018-09-21 18:21:20
1081
原创 卷积_池化
Convolution，作用是提取特征和降维。之前学的卷积核（滤波器/特征探测器）已知，如边缘检测算子。卷积神经网络卷积核未知，训练神经网络就是要训练出这些卷积核。图像表示为像素的向量，这样大多数时候非常多，基本没法训练，所以必先减少参数加快速度。卷积核用于提取特征，个数越多提取特征越多，要训练的参数的个数越多。少了的话提取的特征不足。具体多少个合适，还有待学习。边界处理：SAME和VALID...
2018-09-21 18:07:14
576
原创 编程_字符串
替换空格请实现一个函数，将一个字符串中的每个空格替换成“%20”。例如，当字符串为We Are Happy.则经过替换之后的字符串为We%20Are%20Happy。Java问题1：替换字符串，是在原来的字符串上做替换，还是新开辟一个字符串做替换？问题2：在当前字符串替换，怎么替换才更有效率（不考虑java里现有的replace方法） 从前往后替换，后面的字符要不断往后移...
2018-09-21 14:20:03
281
原创 编程_数组
二维数组中的查找在一个二维数组中（每个一维数组的长度相同），每一行都按照从左到右递增的顺序排序，每一列都按照从上到下递增的顺序排序。请完成一个函数，输入这样的一个二维数组和一个整数，判断数组中是否含有该整数。Java两种思路1.把每一行看成有序递增的数组，利用二分查找，通过遍历每一行得到答案，时间复杂度是nlogn.public class Solution { publ...
2018-09-21 13:09:55
309
原创 深度学习用到的Python包
numpy Python的一个扩充程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。 numpy方法 解释 np.dtype 指定当前numpy对象的整体数据, 见下一个表格 np.itemsize 对象中每个元素的大小, 单位字节 np.size 对象元素的个数, 相当于np.shape中的n*m值 np.shape ...
2018-09-21 11:06:21
2671
原创 超参数
在机器学习或者深度学习领域，参数和超参数是一个常见的问题。参数（Parameter）：模型根据数据可以自动学习出的变量。比如，权重，偏差等；超参数（Hyperparameter）：在开始学习过程之前设置值的参数，而不是通过训练得到的参数数据。它具有参数的特性，比如未知，也就是它不是一个已知常量。一种可手工配置的设置，需要为它根据已有或现有的经验指定“正确”的值，也就是人为为它设定一个值，它...
2018-09-20 17:01:09
569
原创 感受野
Receptive fields。在神经网络中的定义是每一层输出的特征图（feature map）上的像素点在原始图像上映射的区域大小，用数学的语言是CNN中的某一层输出结果的一个元素对应输入层的一个映射。再通俗点的解释是，feature map上的一个点对应输入图上的区域。注意这里是输入图，不是原始图。好多博客写的都是原图上的区域，经过一番的资料查找，发现并不是原图。举个例子，在maxpoo...
2018-09-19 20:58:40
388
原创 隐藏层
在最近的《科学美国人》杂志上，刊载了一篇题为“深度学习崛起带来人工智能的春天”文章。文中解释了为什么复杂的神经网络是人们长时间设想的人工智能的关键。想让电脑和人一样聪明，就必须得让程序的思维方式和人的大脑一样，这似乎是有逻辑可循的。然而，鉴于我们对大脑机能的所知甚少，这一任务看起来着实令人望而生畏。那么，深度学习究竟是如何工作的呢？神经网络是个神器，她的表现让人有些琢磨不透。权重和偏置量能自动...
2018-09-19 20:24:48
4004
原创 激活函数
激活函数（Activation function）是获取输入信号并将其转换为输出信号。激活函数为网络引入非线性，这就是我们称之为非线性的原因。神经网络是通用函数逼近器，深层神经网络使用反向传播法进行训练，反向传播需要使用可微分的激活函数。Backpropapagation使用此激活函数的下降梯度来更新网络权重。非线性 / 激活函数。因为线性模型的表达力不够，加入非线性因素，把“激活的神经元的特...
2018-09-13 21:21:09
1880
原创 BP算法
Back Propagation，后向传播，全称为error Back Propagation，误差反向传播算法。其算法基本思想为：前馈网络中，输入信号经输入层输入，通过隐层计算由输出层输出，输出值与标记值比较，若有误差，将误差反向由输出层向输入层传播，在这个过程中，利用梯度下降算法对神经元权值进行调整。...
2018-09-07 19:12:10
376
原创 Recall_Precision_mAP
召回率（Recall），精确率（Precision），平均正确率（Average_precision(AP) ），交除并（Intersection-over-Union（IoU））Accuracy：准确率，预测对的除以总样本数 Precision：准确率/预测正率 （正样本）Recall ：召回率/查对率，预测对占实际是对的mAP公式多标签图像分类（Mult...
2018-09-07 19:11:38
748
原创 YOLOv3
YOLO类算法，发展到现在有了3代，称之为v1、v2、v3（version）。v3算法现在可以毫不夸张的成为开源通用目标检测算法的领头羊，虽然本人一直都很欣赏SSD，但不得不说V3版本已经达到目前的颠覆。两个甚至多个距离很近的重叠目标很难分辨出来是当下目标检测的一大难题，重叠目标可是同类目标或不同类目标。大多数算法会对图像进行尺度变化，缩放到较小的分辨率，但在这样小的分辨率下只会给出少量的bb...
2018-09-07 19:11:30
3636
转载 caffe中的layer
layer是神经网络搭建的脚手架，理解了layer，才能盖好神经网络这座摩天大楼。下图是一张关于layer的思维导图，在功力到达一定程度的时候才可练此功，到时一定会有不一样的收获。1. Outline此部分主要概述了与layer有关的方方面面。1.1 layer.hpp与layer相关的头文件：layer.hppcommon_layers.hppdata_lay...
2018-09-07 19:11:22
1864
原创 SSD码源解读
结构图ssd_pascal.py from __future__ import print_function import caffe from caffe.model_libs import * from google.protobuf import text_format import math import os import shutil i...
2018-09-07 19:11:16
998
原创 SSD训练单通道图像
SSD源码训练的是三通道彩色图像，原因是因为我们采用的特征提取网络都是ImageNet预训练模型，这需要三个通道的输入。但这样只是掩耳盗铃，这样只会复制灰色通道三次以获得三通道图像，最终看起来与单通道灰色图像相同。具体可以在OpenCV的Gray2RGB中查看详细解释。方法有两种，一种是修改图片和标签1.修改图片的MATLAB代码path = 'C:/Users/Administ...
2018-09-07 19:11:11
2695
2
原创 SIFT_GLCM_LBP_HOG
SIFTScale invariant feature Transform，尺度不变特征变换。目的是解决低层次特征提取及其图像匹配。在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量。特点：1. SIFT特征是局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性；2. 独特性好，信息量丰富，适用于在海量特征数据库中进行快速、准确的...
2018-09-07 19:11:05
1161
原创 物体检测及分类方法总结
当下比较流行的检测方法：Faster R-CNN，ION， HyperNet， SDP-CRC， YOLO，G-CNN，SSD。下图是各种目标检测模型的检测精度对比DPMDeformable Part Model，可变形的组件模型，是一种基于组件的检测算法，08年提出。DPM可以看做是HOG的扩展，大体思路与HOG一致。先计算梯度方向直方图，然后用SVM训练得到物体的梯度模型。...
2018-09-07 19:10:52
3048
转载 选定候选框
对于玩过Opencv人脸检测的人来说，基本都会形成一个思维定势，那就是检测就是不同大小的滑动窗进行穷举，然后使用分类器判断哪个滑动窗是人脸。对于深度学习这样超大计算量的分类器来说，这样的方法肯定是让人觉得太过于笨重的。于是乎，有人灵光一闪，说我干嘛要穷举嘛，我用简单的方法，根据颜色，纹理之类的信息去把图片划分成不同区域，哪怕是精度不高也可以相对于穷举搜索大量减少计算量。就是这么简单的搜索剪枝思路，...
2018-09-07 19:10:42
1718
原创 迁移学习
迁移学习 和 微调迁移学习是一个比较宽泛的领域，就是把已学训练好的模型参数迁移到新的模型来帮助新模型训练。考虑到大部分数据或任务是存在相关性的，所以通过迁移学习我们可以将已经学到的这种对图像分类识别的理解力，通过某种方式来分享给新模型，神经网络从数据中获得信息，进而把它们转换成相应的权重。这些权重能够被提取出来，迁移到其他的神经网络中，从而加快并优化模型的学习效率，迅速收敛，我们“迁移”了这些...
2018-09-07 19:10:34
615
原创 小目标检测
所谓的小目标，要看是绝对小目标（像素），和相对小目标（相对原图的长宽来看的）。大目标小目标只跟receptive field（感受野）有关，cnn本身可以检测任何尺度的物体。ssd对小目标检测不太适用，但R-FCN速度和鲁棒存在问题。以下是收藏的关于小目标的讨论，持续跟进：https://www.zhihu.com/question/49455386https://github.com...
2018-09-07 19:09:52
20563
3
原创 SSD改
SSD源码Wei Liu所做源码，TensorFlow版SSD可能有莫名其妙的错误，故转去caffecaffeC++版caffe，在 include/caffe/ 目录下面的annotated_data_layer.hpp （提供数据）detection_evaluate_layer.hpp （验证模型效果）detection_output_layer.hpp ...
2018-09-07 19:09:47
385
原创 TensorFlow
Tensorflow 模型持久化 如果神经网络比较复杂，训练数据比较多，那么训练就会耗时很长，若在训练过程中出现某些不可预计的错误，导致训练意外终止，那么将会前功尽弃。为避免这个问题，可以通过模型持久化（保存为CKPT格式）来暂存训练过程中的临时数据。一、生成4个文件，一个checkpoint和三个CKPT格式的文件： 1.checkpoint 记录保存信息和所有模型文件列表，...
2018-09-07 19:09:43
205
原创 梯度下降算法
在机器学习算法中，对于很多监督学习模型，需要对原始的模型构建损失函数，接下来便是通过优化算法对损失函数进行优化，以便寻找到最优的参数。在求解机器学习参数的优化算法中，使用较多的是基于梯度下降的优化算法(Gradient Descent, GD)。梯度下降法有很多优点，其中，在梯度下降法的求解过程中，只需求解损失函数的一阶导数，计算的代价比较小，这使得梯度下降法能在很多大规模数据集上得到应用。梯度下...
2018-09-07 19:09:38
1859
原创 SSD
Mobilenet V2在移动设备上比Mobilenet V1更快，但在桌面GPU上稍慢。Single Shot MultiBox DetectorSSD是一种速度很快，且识别率较高的物体检测模型。其借鉴了YOLO的图像网格划分，并简化了基于Region Proposal方法的faster r-cnn，同时整合faster r-cnn中anchor boxes实现multi-scale的思...
2018-09-07 19:09:33
1090
原创 Caffe安装
caffe + ubuntu16.04 + 1080Ti + 384.13驱动 + cuda8.0Ga1 + cudnn6 + opencv3.3参考博客：https://blog.csdn.net/yhaolpz/article/details/71375762https://blog.csdn.net/jiangyanting2011/article/details/7887311...
2018-09-07 19:09:28
478
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