qq_41581769的博客

原创 RGB-D图像（深度图像）的Surface编码

Kinect拍的深度图像中有很多噪声，用来做图像识别或者目标检测会受到影响，一般需要对图像做去噪处理一下，接下来就是把深度图像转换为三通道，然后训练的结果会好很多surface是其中用的比较多的一种，也有对他的改进方法，来张surface深度图（上图）和原图（下图）的比较RGB-D图像的HHA编码：https://blog.csdn.net/qq_41581769/article/details/115549405colorjet：https://blog.csdn.net/qq_4158176

原创 RGB-D图像的colorjet编码（深度图像）

Multimodal Deep Learning for Robust RGB-D Object Recognition原文中使用到的深度图像着色方法，根据距离把深度图渲染上红绿蓝的颜色，被称为colorjet如题目所述的效果图：

原创 RGB-D图像的HHA编码

深度信息在室内场景识别所谓HHA即将深度图像转换为三种不同的通道(水平差异，对地高度以及表面法向量的角度)。这种方法取得了非常不错的效果，但是 HHA 编码方法只是在强调每个通道数据之间的互补信息而忽略了各个通道的独立成分，具有一定局限性生成HHA图像的github上代码：https://github.com/s-gupta/rcnn-depth来张我弄出来的效果图...

转载 用Visio绘制深度模型结构图的基本单元_斜立方体

Visio是office软件系列中的负责绘制流程图和示意图的软件~ But作为绘图利器 却没法直接得到大佬们文章中的斜立方体！没关系！用画笔就可以画一个呀！ 成品就是这样 一模一样有木有！ 我简直就是神笔马良！ 华佗在世！ 下面由我为大家表演~画斜立方体！ 准备工作~ 开启visio开发工具功能！ 文件→选项→自定义功能区→...

转载 最全动画诠释各种卷积网络及实现机制

3年前开发移动端卷积神经网络SDK，使用GPU实现卷积神经网络的各种算子，Android/iOS双端都实现了，性能非常不错，实时风格画和实时抠图接近50FPS，今天无意中翻到当初的笔记才发现好久没碰AI了，于是汇总下当做记录，也希望能对大家有所帮助。 卷积神经网络 下面这个是LeNet, 最早的卷积神经网络之一 卷积神经网络其实和传统神经网络是一脉相承的，只不过多了很多元素，比如激励层(非线性), 卷积层(提炼特征)等等. 卷积网络计算过程的动画...

转载 matlab绘制误差棒

set(0,'defaultfigurecolor','w') %errorbar函数实例figure;subplot(2,2,1);%横轴x = 1:10:100;%均值y = [20 30 45 40 60 65 80 75 95 90];%标准差err = 8*ones(size(y));%线型，颜色，线宽，标记大小errorbar(x,y,err,'-*b','L...

转载 简单理解LSTM神经网络

递归神经网络 在传统神经网络中，模型不会关注上一时刻的处理会有什么信息可以用于下一时刻，每一次都只会关注当前时刻的处理。举个例子来说...

转载 python中的argparse模块

import argparseparse = argparse.ArgumentParser()parse.add_argument("a", help="params means")parse.add_argument("-C", "--gc", default="count")parse.add_argument("--ga", help="params means ga",dest=...

原创 word更改全文中英文字母和数字的字体格式

论文中常用的数字和字母字体格式为Times New Roman，Ctrl+H打开查找替换框在查找内容里输入：[a-z0-9A-Z] ， 带中括号在替换框输入：^&，在格式中选择字体，西文字体更改为Times New Roman勾选通配符，点击全部替换...

转载 BasicLSTMCell中num_units参数解释

前言关于LSTM原理： http://colah.github.io/posts/2015-08-Understanding-LS...

转载 1*1卷积核的作用

减少计算量跨通道信息整合增加非线性判别能力假设有1个高为30、宽为40，深度为200的三维张量与55个高为5、宽为5、深度为200的卷积核same卷积，步长=1，则结果是高为30、宽为40、深度为55的三维张量，如图所示：该卷积过程的乘法计算量大约为552003040*55=330000000，这个计算量很大。接着，我们可以考虑第二种卷积过程，先利用1*1的卷积核在深度上降维，然后升维...

转载 【TensorFlow】卷积神经网络的参数设置与例子

一、卷积操作参数的简要说明如上图所示，假设我们有3232的RBG图片，也就是神经网络的 input 是 32323，表示输入是一个有3个图层的3232的图片。  假设现在有一个 55的 filter处理一个3232的图层，那么处理后的输出就是一个2828的图层。现在总共有3个图层，filter需要覆盖这三个图层，因此对于32323的input，filter需要设置为 553，表示是一个深度为...

转载 strides=[1, 1, 1, 1]

def conv2d(x, W): return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')在学习tensorflow看到卷积这部分时，不明白这里的4个参数是什么意思，文档里面也没有具体说明。strides在官方定义中是一个一维具有四个元素的张量，其规定前后必须为1，所以我们可以改的是中间两个数，中间两个数分别代表了水平...

转载 TensorFlow 中 RNN&LSTM 的使用

一、RNN&LSTM 基类1、RNN 基类 class tf.contrib.rnn.BasicRNNCell(num...

转载 Caffe均值文件mean.binaryproto转mean.npy

mean.binaryproto转mean.npyimport caffeimport numpy as npMEAN_PROTO_PATH = 'mean.binaryproto' # 待转换的pb格式图像均值文件路径MEAN_NPY_PATH = 'mean.npy' # 转换后的numpy格式图像均值文件路...

转载 python计算数据集均值

import osimport cv2import randomimport numpy as np #数据集的位置dataset_dir = 'data'# 验证集图像数量_NUM_VALIDATION = 1000# 随机种子_RANDOM_SEED = 0def _get_filenames_and_classes(dataset_dir): """Retur...

原创 anaconda安装caffe一次成功

conda 安装 caffe-gpu 和 caffeconda create -n caffe_gpu -c defaults python=3.6 caffe-gpu或者conda create -n caffe -c defaults python=3.6 caffe注意指令不要输错哦

原创 TensofFlow学习记录：全局均值池化

https://blog.csdn.net/weixin_41137655/article/details/94154376

原创 全局平均池化(global-average-pooling)

全局均值池化：把特征图全局平均一下输出一个值，也就是把WHD的一个张量变成11D的张量。全连接层容易过拟合，阻碍了整个网络的泛化能力。全局均值池化取代全连接层，求每个特征图的平均值，得到的结果向量直接输入softmax层。...

转载 tf.shape(x)、x.shape和x.get_shape()的区别

import tensorflow as tfinput = tf.constant([[0,1,2],[3,4,5]])print(type(input.shape))print(type(input.get_shape()))print(type(tf.shape(input)))Out:<class 'tensorflow.python.framework.tenso...

转载 神经网络中的dropout

在机器学习中存在两类比较严重的问题（解决方法）：过拟合（dropout）和学习时间开销非常大（学习率衰减）一、神经网络中的dropoutdropout是一种针对神经网络模型的正则化方法。是在训练过程中，随机的忽略部分神经元。它强迫一个神经元单元和随机挑选出来的其他神经单元共同工作，达到较好的效果，减弱了神经节点间的联合适应性，增强了泛化能力。经过验证，隐含节点dropout率等于0.5的时候效...

转载 Resnet解析

ResNet在2015年被提出，在ImageNet比赛classification任务上获得第一名，因为它“简单与实用”并存，之后很多...

转载 ResNet50及其Keras实现

如果原理你已经了解，请直接到跳转ResNet50实现：卷积神经网络 第三周作业：Residual+Networks±+v1 你或许看过这篇访问量过12万的博客ResNet解析，但该博客的第一小节ResNet和吴恩达的叙述完全不同，因此博主对这篇博文持怀疑态度，你可以在这篇博文最下面找到提出该网络的论文链接，这篇博文可以作为研读这篇论文的基础。ResNet = Residual Network所...

转载 关于深度残差网络（Deep residual network, ResNet）

深度残差网络：深度残差网络的设计就是为了克服这种由于网络深度加深而产生的学习效率变低，准确率无法有效提升的问题（也称为网络退化）。甚至在一些场景下，网络层数的增加反而会降低正确率。这种本质问题是由于出现了信息丢失而产生的过拟合问题（overfitting，所建的机器学习模型或者是深度学习模型在训练样本中表现的过于优越，导致在验证数据集及测试数据集中表现不佳，即为了得到一致假设而使假设变得过度复...

转载 keras预训练模型应用(1)：ResNet50进行image分类

Kera的应用模块Application提供了带有预训练权重的Keras模型，这些模型可以用来进行预测、特征提取和finetune.今早跑了第一个官方实例程序：利用ResNet50网络进行ImageNet分类。测试图片【非洲象】：ResNet50结构：源码以及详细注释如下：# -*- coding: UTF-8 -*- #------------------------------...

转载 reshape方法

使用数组的reshape方法，可以创建一个改变了尺寸的新数组，原数组的shape保持不变；a = np.array([1, 2, 3, 4]);b = np.array((5, 6, 7, 8));c = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]])barray([5, 6, 7, 8])carray([[ 1, ...

原创 Resnet50 结构图

转载 Ubuntu16.04系统同时安装Anaconda2和Anaconda3

   现在很多较新的深度学习框架，检测、分割模型采用了python3，而一些比较老的框架采用Python2，所以需要在同时存在两个版本的python    先安装好Anaconda2，实用python2的相对还是多一些，然后将Anaconda3作为其环境安装在envs...

原创 anaconda和python版本对照表

假设你想安装python2.7.14，在表格中找到它，它下方的三个anaconda包（anaconda2-5.0.1、5.1.0、5.2.0）都包含python2.7.14；

转载 ubuntu安装python3.7，并更新python默认指向为python3.7

ubuntu默认带着的python版本不是最新版，因此需要手动安装最新版。查看python的指向。ls -l /usr/bin | grep python可以看到，此时python指向的是python3.4。第一部分：安装python3.71.直接使用apt-get安装python3.7失败：a...

原创 txt列表标签转换为 csv

# coding=utf-8import csvfile_name_string="file.csv"with open(file_name_string, 'wb') as csvfile: spamwriter = csv.writer(csvfile, dialect='excel') with open('all_depth.txt', 'rb') as fil...

转载 python中的os.listdir()方法、os.path.isdir()方法

Python中的os模块用于和系统进行交互，其中os.listdir()用于返回一个由文件名和目录名组成的列表，需要注意的是它接收的参数需要是一个绝对的路径例如：已知路径path = /home/python/Desktop/请输出该路径下的所有文件和目录名称import ospath = '/home/python/Desktop/'for i in os.listdir(pat...

原创 PIL中的Image和numpy中的数组array相互转换

PIL image转换成arrayimg = np.asarray(image)需要注意的是，如果出现read-only错误，并不是转换的错误，一般是你读取的图片的时候，默认选择的是"r","rb"模式有关。修正的办法:　手动修改图片的读取状态img.flags.writeable = True # 将数组改为读写模式2. array转换成imageImage.fromarray...

转载 Python解析命令行读取参数 -- argparse模块

在多个文件或者不同语言协同的项目中，python脚本经常需要从命令行直接读取参数。万能的python就自带了argprase包使得这一工作变得简单而规范。PS：optparse包是类似的功能，只不过写起来更麻烦一些。如果脚本很简单或临时使用，没有多个复杂的参数选项，可以直接利用sys.argv将脚本后的参数依次读取(读进来的默认是字符串格式)。比如如下名为test.py的脚本：imp...

原创 parser.add_argument中的action

比如在 demo1.py 中指定 action=’store_true’的时候：parser.add_argument(‘–is_train’, action=’store_true’, default=False)在运行的时候：python demo1.py 默认是Falsepython demo1.py –is_train 是True, 注意这里没有给 is_train赋值。这个用法...

转载 【python】argparse.add_argument中的action为‘store_true’使用说明

a.py文件的代码如下：import argparseparser = argparse.ArgumentParser()parser.add_argument(’–t’, help=’ ', action=‘store_true’, default=False)config = parser.parse_args()print(config.t)直接运行python a.py，输出结...

原创 tensorflow与cuda与dudnn对应版本

linux下：windows下：

原创 caffe-tf

python ./convert.py R18.prototxt --caffemodel R18.caffemodel --code-output-path=Re18.py --data-output-path=Re18.npy

转载 集成学习

一、集成学习法在机器学习的有监督学习算法中，我们的目标是学习出一个稳定的且在各个方面表现都较好的模型，但实际情况往往不这么理想，有时我们只能得到多个有偏好的模型（弱监督模型，在某些方面表现的比较好）。集成学习就是组合这里的多个弱监督模型以期得到一个更好更全面的强监督模型，集成学习潜在的思想是即便某一个弱分类器得到了错误的预测，其他的弱分类器也可以将错误纠正回来。集成方法是将几种机器学...

原创 ubuntu下查看CPU/GPU/内存使用率

cpu、内存使用top命令$ top有一个更直观的监测工具，叫htop$ sudo apt-get install htop$ stop2. 查看gpu使用 nvidia-smi 命令$ nvidia-smi但是这个命令只能显示一次，如果要实时显示，配合watch命令, 让一秒刷新一次$ watch -n 1 nvidia-smi...