- 博客(11)
- 收藏
- 关注
RSS订阅原创 目标检测之one-stage和two-stage网络的区别
One-stage网络以yolo系列网络为代表的,two-stage网络以faster-rcnn为代表的，它们的主要区别1.one-stage网络速度要快很多2.one-stage网络的准确性要比two-stage网络要低为什么.one-stage网络速度要快很多？首先来看第一点这个好理解，one-stage网络生成的ancor框只是一个逻辑结构，或者只是一个数据块，只需要对这个数据块进...
2019-01-09 18:28:06
23115
8
原创 深度学习cptn+crnn的OCR原理
CPTNCRNN总结首先我们要看ocr要做的是什么，识别一张图片里面的一行文字，输出来，假如我一张图片里面只有一行文字，但是这一行文字只占了中间的一个区域，两边有很多空的地方，那么我怎么做呢，我首先肯定是要把这张图片中这一行文字给找到，给框出来，找到之后在去识别里面的每个文字是什么文字，也就是两个步骤1.找到一张图片中的一行文字，就是把这行文字给框出来（ctpn）2.找到这行文...
2019-01-09 18:22:59
16613
2
原创 深度学习之图像分割网络FCN、MaskRCNN总结
FCN总结：第一步：最终得到的conv7，也就是161621（注意不一定要是1121，全卷积114096这个只是将全连接层转为全卷积层，是114096，如果我压根就没有全连接层，我全是卷积层，那么最终得到161621也是很正常），它经过上采样后得到343421的feature map，与前面第四个卷积层池化后的feature map拼接，拼接之后再次经过上采样得到707021的featur...
2018-12-23 16:04:31
3261
原创 深度学习之卷积网络attention机制SENET、CBAM模块原理总结
SENETSENET是2017年的世界冠军，SE全称Squeeze-and-Excitation是一个模块，将现有的网络嵌入SE模块的话，那么该网络就是SENet，它几乎可以嵌入当前流行的任何网络，那么为什么会引出这个东西呢，来看下图：一个feature map经过一系列卷积池化得到的feature map，通常我们认为这个得到的feature map的每个通道都是同样重要的，我们并没有分那...
2018-12-23 15:36:06
18857
14
原创 深度学习之残差网络原理深度刨析
为什么要加深网络？深度卷积网络自然的整合了低中高不同层次的特征，特征的层次可以靠加深网络的层次来丰富。从而，在构建卷积网络时，网络的深度越高，可抽取的特征层次就越丰富。所以一般我们会倾向于使用更深层次的网络结构，以便取得更高层次的特征。但是在使用深层次的网络结构时我们会遇到两个问题，梯度消失，梯度爆炸问题和网络退化的问题。也就是我们需要不断加深网络，因为网络越深，那么特征的层次也就越高，...
2018-12-23 12:46:37
1558
2
原创 深度学习之 梯度消失与爆炸原因公式推导
如果要求w1的梯度的话，那么就是假如激活函数用的sigmod话，那么如下：所以所以导致梯度消失问题那么为什么换了relu激活函数也会有梯度消失问题呢？因为乘积中还有另外一部分这个wj如果有很多w是0到1之间的数，那么最终还是会导致梯度消失，如果有很多都是大于1的数，那么就会导致梯度爆炸...
2018-12-23 12:19:45
891
原创 GDBT+LR融合方案总结
传统的广告点击率预估场景中，提取特征的流程如下：在广告点击率预估这个场景中，由于经常就是上亿量的数据，经常使用LR模型来预估（它是将函数值映射到0，1区间，映射后的函数值就是预估值）因为这个模型简单，容易实现并行，但是正因为它简单，所以它的学习能力有限，所以这个时候，特征工程就很重要了，如何选择一些比较有效的特征，以及特征组合就是一个关键了，而传统的采用人工去筛选重要特征的话，比较麻烦，耗时耗...
2018-12-23 11:00:31
880
转载 机器学习之PCA降维原理刨析
降维实际工作中我们的特征数比较大时，那么模型训练的时候比较耗资源和时间，一般都需要考虑降低维度通常一般的做法是，1 根据特征的方差，如果特征的方差比较小或者几乎为0时，那么可以考虑将该特征删掉2 根据特征之间的相关性，如果某个特征和另一个特征几乎成正相关或者负相关的话，那么可以将其中某一个特征删除，这样，其实删除后的信息并不会丢失，因为根据其中保留的特征可以推出另一个删除的特征其实降低...
2018-12-23 10:37:20
183
原创 ai数学之矩阵特征值、特征向量、矩阵分解
特征值和特征向量的意义从定义出发，Ax=cx：A为n阶矩阵，c为特征值，x为特征向量。矩阵A乘以x表示，对向量x进行一次转换（旋转或拉伸）（是一种线性转换），而该转换的效果为常数c乘以向量x（即只进行拉伸）。我们通常求特征值和特征向量即为求出该矩阵能使哪些向量（当然是特征向量）只发生拉伸，使其发生拉伸的程度如何（特征值大小）。这样做的意义在于，看清一个矩阵在那些方面能产生最大的效果（powe...
2018-12-22 23:14:50
604
原创 算法之求最大连续子数组和
假设给定一数组{1,4,2,-3,-1,2,5,6,-8,9}，我们要求的是最大的连续子序列的和，如果采用暴力破解法的话，那就是遍历所有的连续子序列了，时间复杂度就是O(N^3)代码如下：private int max = Integer.MIN_VALUE;public int maxSubArray(int[] nums) {int sum;for (int i = 0; i <...
2018-12-22 18:32:37
315
原创 动态规划算法总结
动态规划算法总结设长度为N的数组为{a0，a1, a2, …an-1)，则假定以aj结尾的数组序列的最长递增子序列长度为L(j)，则L(j)={ max(L(i))+1, i<j且a[i]<a[j] }。也就是说，我们需要遍历在j之前的所有位置i(从0到j-1)，找出满足条件a[i]<a[j]的L(i)，求出max(L(i))+1即为L(j)的值。最后，我们遍历所有的L(j)（...
2018-12-22 16:56:08
138
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