- 博客(40)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 基于纹理的复杂环境下道路消失点检测算法
个人博客：wyxogo.top标题基于纹理的复杂环境下道路消失点检测算法年份：2014 年 6 月GB/T 7714:[1]傅重添, 杨健, 路飞飞. 基于纹理的复杂环境下道路消失点检测算法[J]. 计算机应用与软件, 2014(6):292-294.摘要在乡村或者越野环境中，道路没有明显的边界和行车线，阻碍了一般视觉道路检测算法的应用。采用计算道路消失点的 方法，提出一种快速的局部适应软投票 FLASV( Fast Local Adaptive Soft Vo...
2021-05-07 23:08:18
1000
2
转载 更深、更轻量级的Transformer！Facebook提出：DeLighT
本文转载自：AI人工智能初学者DELIGHT: DEEP AND LIGHT-WEIGHT TRANSFORMER论文：https://arxiv.org/abs/2008.00623代码：https://github.com/sacmehta/delight本文提出了一个更深更轻的Transformer，DeLighT，它的性能与Transformer相似，甚至更好，平均少了2到3倍的参数。1 简介本文提出了一个更深更轻量的Transformer，DeLighT，DeLighT更有效地在
2021-05-07 23:07:09
482
原创 Deep Learning for Automatically Detecting Sidewalk Accessibility Problems Using Streetscape Imagery
个人博客：wyxogo.top标题Deep Learning for Automatically Detecting Sidewalk Accessibility Problems Using Streetscape Imagery年份：2019 年 10 月GB/T 7714:[1] Weld G, Jang E, Li A, et al. Deep Learning for Automatically Detecting Sidewalk Accessibilit...
2021-05-07 23:05:54
364
2
原创 四种经典机器学习算法测试——Bayes, SVM, 决策树, K-Means
个人博客：wyxogo.top给定数据集“Sort_1000pics”，该数据集包含1000张彩色图片，分为10类。使用Bayes，SVM，决策树，K-Means四种算法对该数据集进行分类，输出各算法的混淆矩阵，准确率，时间效率等测试结果。数据集Sort_1000pics数据集由1000图片组成，分为人、沙滩、建筑、卡车、恐龙、大象、花朵、马、山峰、食物10大类。实验方案生成数据与标签import cv2import numpy as npclass DataLoader(obje...
2021-05-07 22:58:23
1397
5
原创 信号处理的几种变换
个人博客：wyxogo.top信号处理中通常会进行转换，使信号便于处理，提取信息，最基本的变换是傅里叶变换，后又衍生处了小波波变换，希尔伯特变换，希尔伯特黄变换，曲波变换等等，其对波信号转换和处理的思想对图像信号的处理具有很大的启发......
2020-10-25 17:34:31
2480
1
原创 经典算法：Batch Normalization
个人博客：wyxogo.top在卷积网络六大模块中的BN（批批标准化）所指的就是Batch Normalization，该算法15年提出，现在已经成为深度学习中经常使用的技术，可以极大的提高网络的处理能力。Feature Scaling 特征缩放在没有进行Feature Scaling之前，如果两个输入数据x1,x2x_1,x_2x1,x2的distribution很不均匀的话，导致对w2w_2w2计算结果的影响比较大，所以训练的时候，横纵方向上需要给与一个不同的training rate，在w
2020-08-13 12:52:21
398
原创 Python实现图像全景拼接
目标：将数张有重叠部分的图像通过特征点检测，匹配，图像变换拼成一幅无缝的全景图或高分辨率图像在图像拼接中首先利用SIFT算法提取图像特征进而进行特征匹配，继而使用RANSAC算法对特征匹配的结果进行优化，接着利用图像变换结构进行图像映射，最终进行图像融合。在图像拼接过程中，运用SIFT局部描述算子检测图像中的关键点和特征，SIFT特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。对于光线、噪声、些微视角改变的容忍度也相当高，所以用来检测要拼接图像的特征及关键点就很有优势。而接下来即步骤三.
2020-08-09 11:10:44
4074
10
原创 图像分割(Segmentation)——K-Means, 最小割, 归一化图割
个人博客：wyxogo.top图像分割是将图片将相似的部分分割成相同的块解释物体分割的底层原理将同一个东西群组在一起,集合中的元素可以具有由关系产生的属性Gestalt中常见的一些分组的情况现实生活中的分组现象将这种思想转化为算法主要思想：相似的像素应该属于同一类像素表达：每个像素可以使用一个多维向量来表示，如(R, G, B)的三维向量，(R, G, B, x, y)的五维向量基于灰度值或颜色的K-means聚类本质上是对图像属性的矢量量化K-Means算法可以很简单的进行分割，但是初始值对结果的
2020-07-31 17:58:52
4851
原创 python实现Canny与Hough算法
个人博客：wyxogo.top任务说明：编写一个钱币定位系统，其不仅能够检测出输入图像中各个钱币的边缘，同时，还能给出各个钱币的圆心坐标与半径。效果Canny边缘检测：Hough变换调用运行效果学习资源：北京邮电大学计算机视觉——鲁鹏...
2020-07-29 17:52:48
3088
6
原创 纹理表示(Texture)
个人博客：wyxogo.top纹理是由一些基元以某种方式组合起来，虽然看起来很“乱”，但任然存在一些规律规则的纹理与不规则的纹理对于区块核大小的选择在图像中往往不知道选取多大的高斯偏导核来对图像进行描述通过寻找纹理描述不变的窗口比例来进行比例选择，由小到大不断改变窗口的大小，直至增大的窗口纹理特性不再改变可以描述不同方向，不同类型（边状，条状，点）的纹理特性通过设置斜方差矩阵Σ\SigmaΣ，改变高斯核的形状利用不同的核卷积图像将响应结果与纹理匹配将对应卷积核的响应结果求均值，所得的结果组成一个7维向
2020-07-26 15:38:46
1378
原创 区域检测——Blob检测
个人博客：wyxogo.top针对Harris无法拟合尺度问题而提出目标:独立检测同一图像缩放版本的对应区域需要通过尺度选择机制来寻找与图像变换协变的特征区域大小“当尺度改变时控制每个圆内的内容不变”具体的算法是在边缘检测中使用的高斯一阶偏导核转换为高斯二阶偏导核使用Laplacian核与图像进行卷积操作**边缘：**出现波纹的地方**尺度信息：**当波纹重叠并出现极值的地方空间选择:如果Laplacian的尺度与blob的尺度“匹配”，则Laplacian响应的幅度将在blob的中心达到最
2020-07-22 13:24:14
4017
原创 区域检测——Harris角点
个人博客：wyxogo.top对于图像处理时经常需要提取特征点分析图片结构，将照片进行拼接，实现全景拍摄，那么在照片特征点提取时所采用的具体算法是什么呢？通过观察图片的特征，发现存在“角”的地方承载着更多的信息，角点是梯度在两个或以上方向上有变化的点。类比方程y=ax+by=ax+by=ax+b决定方程特性的是a,ba,ba,b。则决定E(u,v)E(u,v)E(u,v)特性的是MMM，分析矩阵MMM就可以得到E(u,v)E(u,v)E(u,v)的特性函数图像延竖直方向截取为一个椭圆，当梯度为零时，截面
2020-07-17 20:43:14
689
原创 拟合（Fitting）
提取完边缘后如何使用数学模型来描述边缘？例如：在桌子上有几枚硬币，在经过边缘提取后，需要描述出硬币的圆心坐标和圆的大小难点噪声：噪声的存在使拟合的模型偏离真实的线外点：在目标图形以外的线，如上图中的目标图形为“车”，左边的“栅栏”就是外点目标图形部分被遮挡，使部分图形消失最小二乘(Least Square)针对点都在线上的一些简单模型最小二乘能量函数\(E\)描述...
2020-07-15 18:50:00
24
原创 拟合(Fitting)
个人博客：wyxogo.top提取完边缘后如何使用数学模型来描述边缘？例如：在桌子上有几枚硬币，在经过边缘提取后，需要描述出硬币的圆心坐标和圆的大小针对点都在线上的一些简单模型最小二乘能量函数EEE描述的是所有的点与拟合的线在yyy方向上的差值的和，最后的目标是求出差值最小时的(m,b)(m,b)(m,b)即矩阵BBB作为这个模型的解权最小二乘当拟合的直线是平行yyy轴时就无法按照上面的公式计算EEE（最小二乘对旋转没有效果）权最小二乘将点在yyy方向的距离改为对直线距离的平方，就可以避免旋转
2020-07-15 18:36:06
10129
原创 边缘检测（Edge Detection）
文章首发：xmoon.info边缘提取在大多数时候图像的边缘可以承载大部分的信息，并且提取边缘可以除去很多干扰信息，提高处理数据的效率目标:识别图像中的突然变化(不连续)图像的大部分语义信息和形状信息都可以编码在边缘上理想:艺术家使用线条勾勒画(但艺术家也使用对象层次的知识)边缘的种类表面形状的突变深度方向的不连续表面颜色的突变光线阴影的不连续边缘的特征边缘是图...
2020-07-10 16:55:00
24
原创 边缘检测(Edge Detection)
个人博客：wyxogo.top在大多数时候图像的边缘可以承载大部分的信息，并且提取边缘可以除去很多干扰信息，提高处理数据的效率识别图像中的突然变化(不连续)边缘是图像强度函数中快速变化的地方，变化的地方就存在梯度，对灰度值求导，导数为0的点即为边界点卷积的导数∂f(x,y)∂x=limε→0f(x+ε,y)−f(x,y)ε\frac {\partial f(x,y)}{\partial x} = \lim_{\varepsilon \rightarrow 0} \frac{f(x+\varepsilon
2020-07-10 16:53:32
4123
原创 高驱动注意网络（HANET）
文章首发：xmoon.infoPAPER: Cars Can’t Fly up in the Sky: Improving Urban-Scene Segmentation via Height-driven Attention NetworksCityScape数据集介绍Cityscapes是关于城市街道场景的语义理解图片数据集。它主要包含来自50个不同城市的街道场景，拥有500...
2020-07-03 00:50:00
18
原创 高驱动注意网络(HANET)
个人博客：wyxogo.topPAPER: Cars Can’t Fly up in the Sky: Improving Urban-Scene Segmentation via Height-driven Attention NetworksCityscapes是关于城市街道场景的语义理解图片数据集。它主要包含来自50个不同城市的街道场景，拥有5000张在城市环境中驾驶场景的高质量像素级注释图像（其中 2975 for train，500 for val,1525 for test， 共有19个类别
2020-07-03 00:31:42
1807
原创 半监督深度学习
个人博客：wyxogo.top在有标签数据+无标签数据混合成的训练数据中使用的机器学习算法。一般假设，无标签数据比有标签数据多，甚至多得多。要求：半监督学习算法简单自训练（simple self-training）：用有标签数据训练一个分类器，然后用这个分类器对无标签数据进行分类，这样就会产生伪标签（pseudo label）或软标签（soft label），挑选你认为分类正确的无标签样本（此处应该有一个挑选准则），把选出来的无标签样本用来训练分类器协同训练（co-training）：是 self-trai
2020-07-02 11:54:39
2097
原创 TensorFlow2.1入门学习笔记(16)——使用RNN，LSTM，GRU实现股票预测
个人博客：wyxogo.top独热码：数量大，过于稀疏，映射之间是独立的，没有表现出关联性Embedding：一种单词编码方法，以低维向量实现了编码，这种编码通过神经网络训练优化，能表达出单词的相关性。入Embedding时， x_train维度：[送入样本数， 循环核时间展开步数]RNN使用Embedding 编码，预测下一个字母运行结果代码训练结果传统的RNN网络可以通过记忆体实现短期记忆，进行连续数据的预测，但是当连续数据过长时，会使展开的时间步过长，在反向传播更新参数时，梯度
2020-06-24 00:32:16
1807
2
原创 TensorFlow2.1入门学习笔记(15)——循环神经网络，顺序字母预测
个人博客：wyxogo.top卷积就是特征提取器，通过卷积计算层提取空间信息，例如我们可以用卷积和提取一张图片的空间特征，再把提取到的空间特征送入全连接网络，实现离散数据的分类。但是一些与时间相关的，只可以根据上文预测书下文来预测。通过不同时刻的参数共享，实现了对时间序列的信息提取。yt=softmax(htwhy+by)y_t = softmax(h_t w_{hy} + b_y)yt=softmax(htwhy+by)ht=tanh(xtwxh+ht−1whh)h_t = tanh(x_t
2020-06-23 20:01:43
409
原创 TensorFlow2.1入门学习笔记(14)——卷积神经网络InceptionNet, ResNet示例
个人博客：wyxogo.topInceptionNet诞生于2014年，当年ImageNet竞赛冠军，Top5错误率为6.67%InceptionNet引入了Inception结构块，在同一层网络内使用不同尺寸的卷积核，提升了模型感知力使用了批标准化缓解了梯度消失网络结构InceptionNet的基本单位是Inception结构块，在同一层网络中使用了不同尺寸的卷积核，可以提取不同尺寸的特征信息通过1x1卷积核作用到输入特征图的每个像素点，通过设定少于输入特征图的深度达到降维减少了参数量和计算量Ince
2020-06-19 00:01:10
460
原创 TensorFlow2.1入门学习笔记(13)——卷积神经网络LeNet, AlexNet, VGGNet示例
个人博客：wyxogo.top可视化训练集输入特征的第一个元素利用cifar10数据集搭建一个网络，训练模型运行结果是由Yann LeCun于1998年提出，是卷积网络的开篇之作网络结构示例：运行结果AlexNet网络诞生于2012年，当年ImageNet竞赛的冠军，Top5错误率为16.4%使用“relu”激活函数，提升了训练速度，使用Dropout缓解过拟合网络结构网络搭建示例运行结果VGGNet诞生于2014年，当年ImageNet竞赛的亚军，Top5错误率
2020-06-15 13:51:52
607
原创 TensorFlow2.1入门学习笔记(12)——卷积神经网络
个人博客：wyxogo.top全连接NN：每个神经元与前后相邻层的每一个神经元都有连接关系，输入是特征，输出为预测的结果。实际项目中的图片多是高分辨率彩色图随着隐藏层增多，网络规模的增大，待优化参数过多容易导致模型过拟合实际应用时会先对原始图像进行特征提取再把提取到的特征送给全连接网络卷积计算可是一种有效提取图像特征的方法一般会用一个正方形的卷积核，按指定步长，在输入特征图上滑动，遍历输入特征图中的每个像素点。每一个步长，卷积核会与输入特征图出现重合区域，重合区域对应元素相乘、求和再加上偏置项得到输出特征
2020-06-13 01:05:05
857
原创 TensorFlow2.1入门学习笔记(11)——自制数据集，并记录训练模型
个人博客：wyxogo.top以MNIST的sequential模型为base-line，通过读取自己的数据，训练模型并存储模型，最后达到绘图实物的运用。给x_train、y_train、x_test、y_test赋值数据增强，扩充数据集数据增强（增大数据量），可以简单的扩展数据集，对图像的数据增强就是对图像的简单形变。tensorflow2中的数据增强函数其中image_gen_train.fit(x_train)中的fit需要一个四维数组即：(60000, 28, 28) ⇒\Rightarr
2020-06-12 19:46:12
1897
4
原创 TensorFlow2.1入门学习笔记(10)——使用keras搭建神经网络(Mnist,Fashion)
个人博客：wyxogo.top前面已经使用TensorFlow2的原生代码搭建神经网络，接下来将使用keras搭建神经网络，并改写鸢尾花分类问题的代码，将原本100多行的代码用不到20行代码实现。描述各层网络：拉直层：tf.keras.layers.Flatten()，将输入特征拉直全连接层：tf.keras.layers.Dense(神经元个数，activation=“激活函数”，kernel_regularizer=哪种正则化)activation（字符串给出）可选: relu、 softmax、 s
2020-05-31 12:12:11
1330
原创 热力学第一定律 等值过程 绝热过程
个人博客：wyxogo.top实际气体内能：所有热分子热运动的动能和分子势能的总和内能是状态量: E=E(T,V)E=E(T,V)E=E(T,V)理想气体内能: E=MMmoli2RTE={\frac{M}{M_{mol}}{\frac{i}{2}}RT}E=MmolM2iRT是状态参量T的单值函数系统内能改变的两种方式热力学过程={准静态过程非静态过程热力学过程 = \left\{ \begin{array}{lr} 准静态过程\\ 非静态过程 \end{array}\r
2020-05-30 10:56:40
4460
2
原创 TensorFlow2.1入门学习笔记(9)——神经网络参数优化器(优化器性能比较)
个人博客：wyxogo.top神经网络是基于链接的人工智能，当网络结构固定后，不同参数的选取对模型的表达力影响很大，优化器就是引导更新模型参数的工具tmt计算t+1时刻参数：wt+1=wt−ηt=wt−lr∗mtVtw_{t+1}=w_t-\eta_t=w_t-lr*{\frac {m_t}{\sqrt V_t}}wt+1=wt−ηt=wt−lr∗Vtmt一阶动量：与梯度相关的函数二阶动量：与梯度平方相关的函数不同的优化器实质上是定义了不同的一阶动量和二阶动量公式使用鸢尾花
2020-05-21 23:56:32
852
3
原创 TensorFlow2.1入门学习笔记(8)——欠拟合与过拟合(正则化)
个人博客：wyxogo.top正则化在损失函数中引入模型复杂度指标，利用给W加权值，弱化了训练数据的噪声（一般不正则化b）
2020-05-21 18:14:58
517
1
原创 TensorFlow2.1入门学习笔记(7)——损失函数
个人博客：wyxogo.top预测值（y）与已知答案（y_）的差距神经网络的优化目标：loss最小 ⇒{mse(MeanAquaredError)自定义ce(CrossEntropy)\Rightarrow \left\{\begin{array}{lr}mse(Mean Aquared Error) \\自定义 \\ce(Cross Entropy)\end{array}\right.⇒⎩⎨⎧mse(MeanAquaredError)自定义ce(CrossEntropy)MSE(y_,y)=∑i
2020-05-20 09:37:47
455
1
原创 TensorFlow2.1入门学习笔记(6)——激活函数
个人博客：wyxogo.topnp.random.RandomState.rand(维度)返回一个[0, 1)之间的随机数np.vstack(数组1，数组2)将两个数组按垂直方向叠加np.mgrid[]np.mgrid[起始值 : 结束值 : 步长，起始值 : 结束值 : 步长, ……]包含起始值，不包含结束值x.ravel()将x变为一维数组，将变量拉直np.c_[数组1，数组2，……]使返回的间隔数值点配对运行结果：选择合适的学习率来更新参数运行结果：简化模型始终是线性函数，
2020-05-20 09:34:53
696
1
原创 TensorFlow2.1入门学习笔记(5)——构建第一个神经网络，鸢尾花分类问题（附源码）
个人博客：wyxogo.top根据前面的基础知识，可以开始第一个神经网络的搭建，主要学习的资料西安科技大学：神经网络与深度学习——TensorFlow2.0实战，北京大学：人工智能实践Tensorflow笔记人们通过经验总结出的规律：通过测量鸢尾花的花萼长、花萼宽、花瓣长、花瓣宽，可以得出鸢尾花的类别。（如：花萼长>花萼宽 且 花瓣长/花瓣宽>2 则为杂色鸢尾花）。大量依靠人工分类工作量巨大，不同的人员分类，标准，准确率都会有所差距。可以借助深度学习来学习其中的特征并对新数据进行预测。所有输入特征x与相
2020-05-12 22:53:27
947
1
原创 TensorFlow2.1入门学习笔记(4)——神经网络计算
个人博客：wyxogo.top前面已经学习了有关TensorFlow的一些常用库，以及相关数据的处理方式，下面就是有关神经网络计算的学习笔记。主要学习的资料西安科技大学：神经网络与深度学习——TensorFlow2.0实战，北京大学：人工智能实践Tensorflow笔记张量可以表示0阶到n阶数组（列表）张量：多维数组、多维列表阶：张量的维数运行结果：将numpy的数据类型转换为Tensor数据类型tf.convert_to_tensor(数据名, dtype=数据类型(可选))运行结果：
2020-05-11 01:37:39
528
1
原创 TensorFlow2.1入门学习笔记(3)——Pillow数字图像处理
个人博客：wyxogo.top在正式学习tensorflow2.0之前需要有一定的python基础，对numpy，matplotlib等库有基本的了解，笔者还是AI小白，通过写博客来记录自己的学习过程，同时对所学的东西进行总结。主要学习的资料西安科技大学：神经网络与深度学习——TensorFlow2.0实战，北京大学：人工智能实践Tensorflow笔记博客从tf常用的库开始，需要学习python基础的朋友推荐菜鸟教程在处理数据过程中绝大多数的数据来自图像，图像数据处理是人工智能的重要组成图像的离散化
2020-05-07 10:49:56
876
3
原创 TensorFlow2.1入门学习笔记(2)——Matplotlib数据可视化
个人博客：wyxogo.top在正式学习tensorflow2.0之前需要有一定的python基础，对numpy，matplotlib等库有基本的了解，笔者还是AI小白，通过写博客来记录自己的学习过程，同时对所学的东西进行总结。主要学习的资料西安科技大学：神经网络与深度学习——TensorFlow2.0实战，北京大学：人工智能实践Tensorflow笔记博客从tf常用的库开始，需要学习python基础的朋友推荐菜鸟教程数据可视化：数据分析阶段：理解和洞察数据之间的关系算法调试阶段：发现问题，优化算法
2020-05-04 11:46:02
1121
1
原创 TensorFlow2.1入门学习笔记(1)——Numpy科学计算库
个人博客：wyxogo.top在正式学习tensorflow2.0之前需要有一定的python基础，对numpy，matplotlib等库有基本的了解，笔者还是AI小白，通过写博客来记录自己的学习过程，同时对所学的东西进行总结。主要学习资料西安科技大学：神经网络与深度学习——TensorFlow2.0实战，北京大学：人工智能实践Tensorflow笔记。博客从tf常用的库开始，需要学习python基础的朋友推荐菜鸟教程描述数组的维度，以及各维度内部元素个数描述某位同学5门课程的成绩：描述某个班30位同学
2020-04-29 11:51:16
1058
5
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人