计算机视觉目标检测研究札记

摘要: 写一篇小结,记录目标检测算法近期的学习笔记。


目标检测中的Anchor与感受野

摘要: Anchor的设置对于目标检测来说作用的重要性不言而喻,本文主要整理了相关技巧和背后的逻辑原理解读,不断更新完善。


2019年总结:来自19年的工作感悟

摘要: 这是一份迟到的总结,2019年底现场工作分享已经结束近三个月,在新冠疫情即将消亡的时刻,重新整理出来,对过去的回顾为了明天更加精彩。


图像数据标注工具推荐-CVAT

摘要: 从事深度学习研究开始,尝试过很多不同类型,不同功能的数据标注工具,尤其是图像标注工具,包括自己写的简单工具,都不能很好的满足任务的需求,近期突然使用了CVAT,感觉似乎可能成为未来工具包中的常备系列,写此一文,记录使用过程。


从头训练一个图像分类器

Test Picture

摘要: 本文记录了利用fast.ai快速构建一个图像识别(图像分类器)的方法。


Batch-Normalization(批量归一化)

BN不得不了解的深度学习技术~

摘要: 借重读论文的机会,重新整理一下Batch Normalization的关键技术。


数据科学工具——Pandas

摘要:工欲善其事必先利其器,数据科学工具的整理是个循序渐进的过程,开个头立个Flag🏁,慢慢积累工具的使用方法,便于以后速查。主要涉及工具包括:Ipython,Numpy,Pandas,Scikit-Learn等。


数据科学工具——Numpy

Numpy

摘要:工欲善其事必先利其器,数据科学工具的整理是个循序渐进的过程,开个头立个Flag🏁,慢慢积累工具的使用方法,便于以后速查。主要涉及工具包括:Ipython,Numpy,Pandas,Scikit-Learn等。


数据科学工具——Ipython

Jupyter Notebook

摘要: 工欲善其事必先利其器,数据科学工具的整理是个循序渐进的过程,开个头立个Flag🏁,慢慢积累工具的使用方法,便于以后速查。主要涉及工具包括:Ipython,Numpy,Pandas,Scikit-Learn等。


机器在学习——EDA

EDA


机器在学习-线性回归与分类

Test Picture

算法理论

集成学习

集成方法 的目标是把多个使用给定学习算法构建的基估计器的预测结果结合起来,从而获得比单个估计器更好的泛化能力/鲁棒性。

集成方法通常分为两种:

  • 平均方法,该方法的原理是构建多个独立的估计器,然后取它们的预测结果的平均。一般来说组合之后的估计器是会比单个估计器要好的,因为它的方差减小了。

    示例: Bagging 方法 , 随机森林 , …

  • 相比之下,在 boosting 方法 中,基估计器是依次构建的,并且每一个基估计器都尝试去减少组合估计器的偏差。这种方法主要目的是为了结合多个弱模型,使集成的模型更加强大。

    示例: AdaBoost , 梯度提升树 , …


机器在学习-KNN

KNN


机器在学习-决策树(Dicision Tree)

Test Picture

摘要:


机器在学习-线性回归与分类

Test Picture


读书笔记:Machine Learning Yearning

Machine Learning Yearning

概述

《Machine Learning Yearning》是Andrew Ng写的一本在深度学习领域偏重工程实践的小册子,终于在九月底把坑填完了,有需要的可以在其官网索取,或者直接通过该地址下载目前的版本。从吴恩达开始撰写前面几章时我便订阅了相关邮件,持续跟进文章内容,这本小册子可以配合deeplearning.ai的深度学习课程一起学习,效果更佳。本文简单的记录一下阅读过程中一些的新的收货。


HMM与Veterbi算法

Test Picture

摘要:


读书笔记:数学之美

数学之美

  • 作者: 吴军

  • 2014年11月第二版

  • 北京:人民邮电出版社



经典网络复现之GoogleNet

inception

摘要: 本文记录利用ImageNet数据集复现经典网络GoogLeNet的过程,并记录在大型数据集训练过程中需要考虑的问题。


经典网络复现之ResNet

Residual Module

摘要: 本文记录利用ImageNet数据集复现经典网络ResNet的过程,并记录在大型数据集训练过程中需要考虑的问题。


经典网络复现之SqueezeNet

Fire-Module

摘要: 本文记录利用ImageNet数据集复现经典网络SqueezeNet的过程,并记录在大型数据集训练过程中需要考虑的问题。


经典网络复现之VGGNet

VGGNet

摘要: 本文记录利用ImageNet数据集复现经典网络VGGNet的过程,并记录在大型数据集训练过程中需要考虑的问题。


经典网络复现之AlexNet

Test Picture

摘要: 本文记录利用ImageNet数据集复现经典网络AlexNet的过程,并记录在大型数据集训练过程中需要考虑的问题。


ImageNet-DataSet

ImageNET

摘要:


深度学习实践方法论

Test Picture

摘要: 深度学习实践的方法论是一套靠经验而非算法总结的行之有效的指导,后续随着研究深入将不断更新补充相关内容。


Thinking Stats

Pandas技巧


经典网络归纳: ResNet

Test Picture

摘要: 作为深度卷积神经网络的里程碑式的作品,ResNet为卷积网络往更深层次扩展指明了方向,本文结合相关论文总结一下ResNet中创造性的想法。


OpenCV and Python

Ice and Sunshine

摘要: 本文整理了常用的OpenCV图像处理操作的python代码,便于后续使用过程中的速查。


cs231n课程笔记:(Lecture 6-7)Training Neural Networks

摘要: 计划花一个月的时间刷一遍斯坦福的机器视觉课程cs231n,并做笔记记录每天学习到的内容。


cs231n课程笔记:(Lecture 5)CNN基础

摘要: 计划花一个月的时间刷一遍斯坦福的机器视觉课程cs231n,并做笔记记录每天学习到的内容。


cs231n课程笔记:(Lecture 4)神经网络基础

摘要: 计划花一个月的时间刷一遍斯坦福的机器视觉课程cs231n,并做笔记记录每天学习到的内容。


cs231n课程笔记:(Lecture 3)线性分类器和优化方法

摘要: 计划花一个月的时间刷一遍斯坦福的机器视觉课程cs231n,并做笔记记录每天学习到的内容。


cs231n课程笔记:(Lecture 2)图像分类

摘要: 计划花一个月的时间刷一遍斯坦福的机器视觉课程cs231n,并做笔记记录每天学习到的内容。


机器学习圣经

摘要: 机器学习中充满很多难以理解的技巧和方法,姑且利用摄影中无忌77条那样的摄影圣经来称之为机器学习圣经吧。


Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×