[论文笔记] R-CNN：Rich feature hierarchies for accurate object detection and semantic segmentation说在前面个人心得： 1. 流程：输入图像，产生2k个候选区域，输入CNN，得到特征向量输入SVM进行分类 2. CNN的输入是固定的（因为全连接的尺寸），但是候选区域的尺寸不固定了，所以要resize
文章目录一、 简介二、 模型结构2.1 嵌入层2.2 卷积层2.3 池化层2.4 全连接层2.5 softmax层三、textCNN总结四、实现五、参考 一、 简介TEXTCNN是由Yoon Kim在论文(2014 EMNLP) Convolutional Neural Networks for Sentence Classification中提出的，其主要思想是将不同长度的短文作为矩阵输入，使
转载
2024-04-08 10:38:31
395阅读
文本分类的14种算法（3）：部分常用文本分类算法k临近算法所谓临近，就是指对于测试样本，找出训练集中与他最相似的一个样本，并将该样本的结果当作测试样本的结果输出。k临近算法利用“距离”的概念来描述样例间的相似程度：对于文本的特征向量（x1,x2,…,xn），把他当作一个n维的点，其与另一个文本（y1,y2,…,yn）的距离根号下(∑(xi-yi)^2)即两文本的相似程度。 可见k临近算法的计算量主
转载
2024-01-27 11:08:21
76阅读
CNN作者：叶 虎 编辑：李文臣
引言
1
ShuffleNet是旷视科技最近提出的一种计算高效的CNN模型，其和MobileNet和SqueezeNet等一样主要是想应用在移动端。所以，ShuffleNet的设计目标也是如何利用有
# NLP 文本数据分类
自然语言处理（NLP）是计算机科学与人工智能领域的重要研究方向，它使机器能够理解和处理人类语言。在NLP中，文本数据分类是一项关键任务，其目的是将文本数据划分为不同的类别。这种技术在垃圾邮件检测、情感分析和主题分类等多个领域都有着广泛的应用。
## 基本概念
文本分类是指将给定的文本分配到一个或多个类别中。这个过程通常包括以下几个步骤：
1. **数据预处理**：
原创
2024-10-14 05:55:52
76阅读
文章目录原理介绍实战 原理介绍这里就简单介绍几句原理，因为讲的细的blog超级多。（一共三个模块，这篇只是数据处理模块） 传统的CNN用来处理图像数据，通过卷积提取特征，方便处理。文本和图像的区别在于文本的特征相对较少，所以可以采用一维卷积进行特征提取。 步骤如下： （一）文本拉伸成一个图片（矩阵）：词嵌入，可以采用w2v （二）卷积层：对矩阵进行卷积 （三）池化层：Max Pooling 使卷
转载
2024-05-03 14:37:21
76阅读
首先需要理解N-gramhttps://zhuanlan.zhihu.com/p/32829048对于在NLP中N-gram的理解，一元，二元，三元gram大多数 NLP 任务的输入不是图像像素，而是以矩阵表示的句子或文档。矩阵的每一行对应一个标记，通常是一个单词，但它也可以是一个字符。也就是说，每一行都是代表一个单词的向量。通常这些向量是像 word2vec 或 G
说先看一下这个图，它大体介绍了CNN的自然语言处理流程：1.首先每个单词对应一行，d=5表示分了5个维度，一般是分128维，300维之类的，这里为了方便，用d=5。这样的话矩阵就是7*52.然后第一步进行卷积的操作，分别使用了四行的卷积核两个，三行的卷积核两个，两行的卷积核两个。然后分别对75的矩阵进行卷积，对于75的话，45放上去可以向下移动4次，所以产生了41矩阵(feature map)，3
转载
2024-10-25 13:00:36
55阅读
物体检测作为最基础的视觉任务之一， 一直受到学术界与工业界的广泛关注。自深度学习兴起以来，数据驱动成为了主流。而检测作为实例级别的任务，需要标注员为每个感兴趣的实例标注框与类别，这导致标注员需要较长时间来精细地调整框的边界，使得检测数据标注成本变得较高。近些年随着检测模型结构与训练流程越来越成熟，大家开始越来越关注如何低成本地获得检测数据。我们在 CVPR2022 上提出了 Group
转载
2024-01-12 14:48:22
73阅读
主要的神经网络分类方法为：BP神经网络分类算法，径向基神经网络分类算法RBF。通过池化操作可以减少特征维度，保持特征拥有空间不变性。CNN网络在交叉相连的卷积层，池化层后紧连着全连接层与分类器，全连接层通常为多层神经网络(MLP)，在森曾CNN中全连接层中，大多采用能精确模拟生物激活模型的Relu激活函数，其能够使网络在训练过程中加速随机梯度下降法SGD的收敛和防止梯度消失，以提高网络训练速度。于
转载
2024-04-15 14:51:31
56阅读
在这篇文章中，我们将实现一个类似于Kim Yoon的卷积神经网络语句分类的模型。 本文提出的模型在一系列文本分类任务（如情感分析）中实现了良好的分类性能，并已成为新的文本分类架构的标准基准。本文假设你已经熟悉了应用于NLP的卷积神经网络的基础知识。 如果没有，建议先阅读Understanding Convolutional Neural Networks for NLP 以获得必要的背景。1. 数
转载
2024-08-12 11:48:09
25阅读
众所周知，卷积神经网络（CNN）在计算机视觉领域取得了极大的进展，但是除此之外CNN也逐渐在自然语言处理（NLP）领域攻城略地。本文主要以文本分类为例，介绍卷积神经网络在NLP领域的一个基本使用方法，由于本人是初学者，而且为了避免东施效颦，所以下面的理论介绍更多采用非数学化且较为通俗的方式解释。0.文本分类所谓文本分类，就是使用计算机将一篇文本分为a类或者b类，属于分类问题的一种，同时也是NLP中
转载
2023-10-16 13:22:59
76阅读
1. tf.nn.embedding_lookup(W, X) W的维度为[len(vocabulary_list), 128]， X的维度为[?, 8]，组合后的维度为[?, 8, 128]代码说明一下：即根据每一行X中的一个数，从W中取出对应行的128个数据，比如X[1, 3]个数据是3062，即从W中的第3062行取出128个数据import numpy as np
import tenso
转载
2024-06-07 21:08:12
22阅读
项目Github地址本篇博客主要介绍基于TextCNN的文本分类算法的原理及实现细节。目录1. 分类原理2. 实现细节1. 分类原理TextCNN可以从两个角度来解读，既可以把它看作但输入通道的2维卷积也可以把它看作多输入通道的1维卷积（其中词嵌入维度为通道维），二者其实是等价的。 如果把它看作一个单输入通道的2维卷积的话，它的分类流程就如上图所示。1）把输入文本中的词转换为其对应的词向
转载
2024-04-15 15:04:22
81阅读
cnn在计算机视觉领域取得了很好的结果，同时它可以应用在文本分类上面，此文主要介绍如何使用tensorflow实现此任务。cnn实现文本分类的原理下图展示了如何使用cnn进行句子分类。输入是一个句子，为了使其可以进行卷积，首先需要将其转化为向量表示，通常使用word2vec实现。d=5表示每个词转化为5维的向量，矩阵的形状是[sentence_length × 5]，即[7&n
转载
2024-03-15 11:52:52
33阅读
众所周知，文本分类是NLP领域中十分基础的任务，大部分文本分类模型稍加修改就可以应用到其他任务中。下面介绍几个经典的文本分类模型。 图中被引数来源google学术(2019/5/16) 1. textCNN作为一个经典的神经网络模型，CNN具有极强的特征提取能力，而且运行速度比RNNs要快的多。当CNN在计算机视觉领域取得巨大成功之后，人们自然想到如何将CNN应用到自然
转载
2024-05-13 12:06:47
92阅读
目录前言一、论文笔记二、基于pytorch的文本预处理 1、读取数据集 2、构建词表 3、将文字转换成数字特征 4、将每条文本转换为数字列表 5、将每条文本设置为相同长度 &
转载
2024-05-28 13:29:29
94阅读
1 引言1.1 队伍简介队伍名“读机器学习日报长大的”，三位成员分别是“凡人哥”、“雨辰酱”和“yuye2311”，均来自苏州大学自然语言处理实验室。1.2 任务简介2017年4月17号AI100发布了为期一个月的文本分类练习赛，数据集由文因互联提供，要求参赛者根据所提供的脱敏后的企业文本数据，筛选并判定该企业所属的类别，评价标准为Acc。其中，文本数据的内容，是对企业的经营范围和主营业务等基本信
转载
2024-07-25 09:46:31
43阅读
还没入门，就因为工作需要，要用CNN实现文本分类，用了github上现成的cnn-text-classification-tf代码，边读边学吧。 源码为四个PY文件，分别是text_cnn.py：网络结构设计train.py：网络训练eval.py：预测&评估data_helpers.py：数据预处理下面分别进行注释。1 import tensorflow as tf
2 im
转载
2023-10-16 13:21:01
104阅读
目录概述Bi-LSTMpytorch实现中的关键代码部分总结参考概述文本分类任务中，CNN可以用来提取句子中类似N-Gram的关键信息，适合短句子文本。尽管TextCNN能够在很多任务里面能有不错的表现，但CNN有个最大问题是固定filter_size的视野，一方面无法建模更长的序列信息，另一方面filter_size的超参调节也很繁琐。CNN本质是做文本的特征表达工作，而自然语言处理中更常用的是
转载
2023-10-12 12:25:16
128阅读
