- 博客(32)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 天猫重复购买用户预测数据集
天池大赛-天猫重复购买用户预测数据集链接：https://pan.baidu.com/s/1l08kzFk_ttGUAptvoyQLig提取码：pd98如若侵权，立删
2020-12-30 11:00:54
1733
1
原创 Markdown基础语法总结
Markdown是一种可以使用普通文本编辑器编写的标记语言，通过简单的标记语法，它可以使普通文本内容具有一定的格式。它允许人们使用易读易写的纯文本格式编写文档，然后转换成格式丰富的HTML页面，Markdown文件的后缀名便是“.md”一.Markdown的标题演示# 标题H1## 标题H2### 标题H3#### 标题H4##### 标题H5###### 标题H5显示效果：二.字体，删除线和分割线2.1 分割线可以在一行中用三个以上的星号、减号、底线来建..
2020-10-10 10:28:15
317
原创 机器学习模型基本参数调整方法
注：本文主要方便自己查阅，如有问题欢迎留言模型默认的参数有时并不是最优的参数，为了寻找最优的参数，在这里使用RandomizedSearchCV和GridSearchCV.1 RandomizedSearchCVRandomizedSearchCV函数可以帮助我们在候选集组合中，不断的随机选择一组合适的参数来建模，并且求其交叉验证后的评估结果。如果按照每个参数进行遍历，那么计算量将非常的大，假设模型有5个参数待定，每个参数都有10种候选值，这将是一个巨大的数据量，几小时能完成一次建模就已经不错.
2020-08-30 16:34:44
2185
原创 pandas.get_dummies()
通过pandas中的get_dummies实现one hot encodepandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False)例：注意：pd.get_dummies并不会改变df本身的数据
2020-08-20 21:29:58
169
原创 决策树可视化
决策树可视化方法from sklearn.model_selection import train_test_splitfrom sklearn.datasets.california_housing import fetch_california_housingimport pydotplusfrom IPython.display import Imagehousing = fetch_california_housing()# 数据集划分data_train, data_test
2020-08-14 19:33:54
2063
原创 个人理解-Feature Selective Anchor-Free Module for Single-Shot Object Detection（FSAF）
0.文章思想目前的目标检测算法大多采用了FPN思想并且也使用anchors机制，其实FPN中各个层的anchors主要区别是size的大小，高分辨率特征图的anchors的size小，低分辨率的特征图的anchors的size大。那么目前的目标检测网络是如何将ground-truth （真实目标框）分配到不同层特征图去检测呢？一般的思想就是通过计算ground-truth 和anchors的I...
2019-10-24 15:04:27
467
原创 一图理解Faster RCNN
这仅仅是自己闲来无事随手写的，如有错误欢迎指正，我再修改，或者有问题的欢迎留言，相互交流。希望能够帮助你更好的理解Faster RCNN
2019-10-22 17:44:43
512
原创 堆排序（java）
算法解析参考：https://www.jianshu.com/p/a161b991fa82java实现：public class 堆排序 { public static void main(String[] args) { int[] array = {4,6,8,5,9}; for(int i=0; i<array.length-1; i++)...
2019-08-15 09:42:10
117
原创 快速排序(java)
算法思想参考：https://blog.csdn.net/jingchenxizy/article/details/81365928其中有一段：i,j分别为左右两端的探测，姑且称它们为哨兵，首先哨兵j开始出动。因为此处设置的基准数是最左边的数，所以需要让哨兵j先出动，否则会出现递归无法退出的情况。哨兵j一步一步地向左挪动(即j–)，直到找到一个小于6的数停下来，接下来哨兵i再一步一步向右挪...
2019-08-14 17:01:09
118
原创 字符串的排列（Java）
问题：输入一个字符串,按字典序打印出该字符串中字符的所有排列。例如输入字符串abc,则打印出由字符a,b,c所能排列出来的所有字符串abc,acb,bac,bca,cab和cba。解题思路：//回溯法 //第1个数和第1个数交换，第1个数和第2个数交换，以此类推 //第1个数确定位置之后，第2个数与第2个数交换，第2个数与第3个数交换，以此类推 //第2个数确...
2019-08-14 09:18:41
161
原创 DetNet
论文名称：DetNet: A Backbone network for Object Detection论文链接：https://arxiv.org/abs/1804.06215算法提出原因目前目标检测的特征提取网络基本上用的都是分类网络，但是分类和检测还是有很大区别的，那么利用分类网络进行特征提取显而有些不足，因此提出适用于检测的体征提取网络。考虑的方向：1.深层特征图虽然有高的语义...
2019-05-16 21:42:45
777
原创 Faster-rcnn+在线难例挖掘（OHEM）
OHEM（在线难例挖掘）何为难例？如果将高中时你做的题目看作一个样本，那么做错的题目就是难例，你可以通过反复训练做错的题目就可以使自己的成绩得到提升。如果一张图片中有一个目标是鸟，但是在RPN网络中目标可能被很多框标记，这些框中有的包含了整个鸟，有的框可能只包含鸟的头部，有的可能只是包括鸟的尾巴，若这三类框都判定为鸟，肯定后面两类框是错的，那么就可以把这两类框判定为难例。通过不断被难例训练...
2019-04-18 11:50:51
2520
2
原创 tf.expand_dims()
tf.expand_dims(x, axis)a = tf.expand_dims(x ， axis)若x的维度是（1，5，7） axis = 0则转换后是a的维度是（1， 1， 5， 7）若x的维度是（1，5，7） axis = 2则转换后是a的维度是（1， 5，1， 7）若x的维度是（1，5，7） axis = 3则转换后是a的维度是（1， 5，7， 1）...
2019-04-16 11:15:31
507
原创 windows tensorflow-gpu+cuda+cudnn+python+pycharm
原来一直用的Ubuntu下的tensorflow-gpu，由于目前做一些工程上的应用，所以在windows安装tensorflow-gpu更方便使用。网上找了很多安装的方法错误很多，有时tensorflow版本不对，有时pycharm导入不了tensorflow-gpu，下面是我的安装经验，我都试了一遍，是可以用的，如果你有错误请在下面回复，也许能帮到你。0. 安装tensorflow-gpu...
2019-03-27 09:43:56
349
原创 tf.expand_dims()
tf.expand_dims()例1import tensorflow as tfc = [[3, 3, 3, 6], [4, 4, 7, 5]] # 维度是[2, 4]d = tf.expand_dims(c, -2) e = tf.expand_dims(c, 0)f = tf.expand_dims(c, -1)with tf.Session() as sess...
2019-03-22 16:32:27
242
原创 VOC数据转换成YOLO V3数据格式
在使用YOLO_V3的代码时，输入的数据格式与平常我们使用的数据格式有一定的区别。此版本代码需要得到dataset.txt文本数据，格式如下：xxx/xxx.jpg 18.19 6.32 424.13 421.83 20 323.86 2.65 640.0 421.94 20 xxx/xxx.jpg 55.38 132.63 519.84 380.4 16# image_path x...
2019-03-20 18:13:57
5341
2
原创 YOLO V2原理深入理解（2）
前面详细解读了YOLO v1算法，这里我将继续解读YOLO V2的算法原理。YOLO V2对比前一代的V1在速度，检测精度和识别种类数目都有较大的改进。算法将识别的类扩展到9000类，又称为YOLO9000。1 改进措施YOLO V2这篇论文更准确的是将别的论文中比较好的方法融合到了一起，每个方法都对整个网络带来明显的mAP的提升。下面随我逐条瞅一瞅。1.1 Batch No...
2019-03-15 19:43:00
955
原创 YOLO V1 原理深入理解（1）
0 前言在前面一段时间一直在研究Faster R-CNN，对YOLO系列没有太深入了解，由于现在需要将检测网络用于工程应用，所以决心重新去深入理解YOLO系列算法。1 正文1.1 网络输入上图就是Yolo V1的网路结构图，看起来很简单，原图片---卷积----全连接---输出，首先Yolo V1的输入是固定的448×448，这是因为在检测网络中全连接层是固定的，那么倒推回去输...
2019-03-10 11:01:29
1097
原创 python 修改图片大小和VOC格式文件名
import osfrom PIL import ImageExtension = ['jpeg', 'png', 'jpg']files = os.listdir('F://Images//') # 需要处理的图片路径def resize_image(filename, i, width=800, height=800): image = Image.open('F://...
2019-02-26 15:33:28
577
原创 python将pascal VOC数据集转成coco数据集
网上找了半天的资料都是废话太多，现在就想把pascal数据集转成coco数据集,下面代码轻松快捷，改一下pascal访问地址就行。import osimport jsonimport xml.etree.ElementTree as ETimport numpy as npimport cv2def _isArrayLike(obj): return hasattr(ob...
2018-11-13 10:59:19
4263
4
原创 tf.slice()
tf.slice(inputs, begin, size, name)begin和size是两个多维列表决定了要抽取的数据的开始和结束位置begin表示从inputs的哪个位置元素开始抽取size表示在inputs的各个维度上抽取的元素数目size[]中出现-1,表示抽取对应维度上从begin位置开始的所有元素例1：with tf.Session() as sess: ...
2018-11-01 20:51:11
302
原创 np.where用法
1. np.where(判断条件)举例:a = np.array([1, 2, 3, 4, 5])print(np.where(a < 3))print('---------------------------')x = np.where([[0, 0, 0, 0, 0, 1], [0, 0, 0, 1, 0, 0], [0, 1, 0, 0, 0, 0]])print(x...
2018-10-29 20:10:12
1285
原创 制作自己的目标检测数据集再利用tf-faster-rcnn训练
1.制作数据集的工具我利用数据集标注工具是精灵标注助手，我认为很好用。奉劝一句标注数据集时不要随便找人给你标，如果他没有用心给你标注，你在后面训练会出现很多问题。在一开始标注数据集的时候不要一下子给他标注完，先标注几十张图片，然后用在你的网络里，看看有没有错误，如果没有问题就按这种方式标，如果有，再找出原因，在后面标注的过程中注意。2.仿照VOC2007制作数据解压VOC2007数据集...
2018-10-25 18:53:04
3406
9
原创 UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 0: invalid start bytewen报错
利用tensorflow跑目标检测代码时遇见标题所述错误，解决方法：image_data = tf.gfile.FastGFile(filename, 'r').read()改为：image_data = tf.gfile.FastGFile(filename, 'rb').read() ...
2018-10-23 21:31:24
655
原创 目标检测 SSD论文理解
此文章只是自己看论文和博客的一些总结和通过代码得到的一些细节，为了以后自己方便查阅，如有错误，欢迎指正。1.论文和SSD-tensorflow代码论文地址：https://arxiv.org/abs/1512.02325代码链接：https://github.com/balancap/SSD-Tensorflow2.yolo算法与SSD算法区别two-stage方法：主要用到...
2018-10-18 20:44:17
1306
原创 tf.stack()和tf.concat()矩阵拼接
tf.stack(dim,axis,name)在目标检测代码中用到这个函数，举例说明：t1 = [[1,2,3],[4,5,6]]t2 = [[7,8,9],[10,11,12]]with tf.Session() as sess: print(sess.run(tf.stack([t1,t2],axis=0))) print('===================...
2018-10-15 16:28:01
3081
原创 如何将tf-faster-rcnn中的框画在一张图内
在运行tf-faster-r cnn代码时，预测框不是画在一张图上tf-faster-rcnn的demo时图片中预测框的并没有放到一张图片上去，而是按照类别进行的划分，即：每一类一张图片，现在需要把框放到一张图上去，需要修改代码tools/demo.py，修改成如下代码：def vis_detections(ax, im, class_name, dets, thresh=0.5): ...
2018-10-04 22:06:50
1179
4
原创 python inputs[：，：：2，：：2，：]
例1:a=[0,1,2,3,4,5,6,7]print(a[1:3:1])输出是[1, 2]，意思是从下标1开始以步长为1到下标3结束print(a[1:4:2])输出是[1, 3]，意思是从下标1开始以步长为2到下标4结束例2：inputs[：，：：2，：：2，：]意思是第一维度，从开始以步长为1到结束第二维度，从开始以步长为2到结束输出第三维度，从开始以步长为2...
2018-09-13 22:04:28
10673
原创 张量扩展tf.tile()
tf.tile(input, multiples,name=None)输出的值是input重复multiples次例1：import tensorflow as tfinputs = tf.constant([[1, 2, 3], [4, 5, 6]], dtype=tf.float32)result = tf.tile(inputs, multiples=[2, 2])w...
2018-09-10 21:18:50
417
原创 tf.pad用法
pad(tensor,paddings, mode='CONSTANT',name=None)tensor待填充的张量padings是一个矩阵mode="CONSTANT" 是填充0还有mode="REFLECT" or mode="SYMMETRIC" 很少用例子：tf.pad([[1,2,3],[4,5,6]],paddings=[[1,1],[2,2]]，mo...
2018-09-10 17:29:07
259
原创 Python3+tensorflow-gpu运行tf-faster-rcnn目标检测
在网上找了很多关于运行tf-faster-rcnn的资料，首先感谢这位博主的博文对我的帮助很大https://blog.csdn.net/char_QwQ/article/details/80980505，本文主要是对我遇到的一些问题进行修改，方便以后使用，废话不多说直接进入正题。系统 ：ubuntu 16内存：16GGPU：GTX1070ti代码链接：https://github...
2018-09-02 10:47:51
3758
6
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人