1 实验介绍1.1 简介Mnist手写体图像识别实验是深度学习入门经典实验。Mnist数据集包含60,000个用于训练的示例和10,000个用于测试的示例。这些数字已经过尺寸标准化并位于图像中心，图像是固定大小(28x28像素)，其值为0到255。为简单起见，每个图像都被平展并转换为784(28*28)个特征的一维numpy数组。1.2 实验目的学会如何搭建全连接神经网络。掌握搭建网络过程中的关键
前言挺久之前老师留的大作业，因为是上古模型和玩具级别的数据集，所以写完了就一直放着，后来看了几本优化的书想起来这个入门实验，想到当初准确率没上九十，没有被老师课堂表扬一番倒是挺遗憾的。于是想着让参数多迭代的想法，回去稍微改了改，然后结果从之前的89.89%升到了90.58%，无语了。说实在这个很多人写过了，烂大街了都，追求高准确率的同学可以看看其他的了，这里有一份榜单What is the cla
文章目录一 论文总体创新点二 研究背景、成果和意义2.1 研究背景2.2 研究成果三 摘要的核心四 VGG结构五 VGG特点5.1 堆叠3X3卷积5.2 尝试1X1卷积 借鉴NIN 可以增加非线性激活函数，提升模型效果六 训练技巧6.1 数据增强6.2 预训练模型初始化7 测试技巧7.1 多尺度测试7.2 稠密测试(Dense test)：将FC层转换为卷积操作，变为全卷积网络，实现任意尺度图片
转载
2024-04-15 13:45:30
119阅读
实际上我只是提供一个模版而已，代码应该很容易看得懂，label是存在一个csv里面的，图片是在一个文件夹里面的 没GPU的就不用尝试了，训练一次要很久很久。。。 import libaries import pandas as pd import numpy as np from skimage i
原创
2021-07-15 16:59:22
303阅读
图像分类概述图像分类，也称图像识别，是计算机根据已有的固定分类标签集合和图像所反馈的信息特征从标签集合中找出一个分类标签，并分配给该图像的视觉处理方法。譬如规定一个分类标签为猫和狗的集合，给计算机输入一张猫或狗的图片，通过判断其特征比如胡子，眼睛，嘴巴，耳朵等，从集合中找出一个分类标签，区分（识别）该图是猫还是狗。图像分类意义图像分类是计算机视觉的核心任务，也是最为基础的任务，有着各种各样的实际应
转载
2024-07-30 22:06:12
66阅读
使用matlab中的DPToolBox进行图像分类#毕业设计中要用到深度学习进行图像分类，由于对matlab比较熟悉，因此选择matlab作为算法研究的工具准备：matlab2017b，DeepLearing ToolBox，图像数据集问题：浙江大学智能工厂Anyfeeder实际生产过程中存在物块堆积的情况，要对堆积物块和单个物块进行分类，以便机械臂能够对物块进行抓取，实际生产场景如图1所示： 图
转载
2024-07-20 19:49:39
69阅读
SVM基本概念支持向量机(Support Vector Machines)是一种二分类模型，在很多领域被广泛使用，致力于解决数据分类问题。SVM的目标是寻找一个超平面对样本进行分割，分割原则是间隔最大化(即数据集的边缘到分界线的距离d最大，如下图)。最终，将问题转化为一个凸二次规划问题进行求解。SVM通常用于解决二分类问题，不过对于多分类问题，可以将多分类问题分解为多个二元分类问题，然后进行分类。
一、结构上图就是复现vgg16的全部文件，data文件夹是测试图像，这次复现只是调用别人训练好的模型来识别图片。vgg16.py复现了vgg16的网络结构，并导入了别人训练好的模型参数，utils.py为输入图片预处理的程序，Nclasses.py则是我们给定的每个图像的标签，以及对应的索引值，app.py是我们的调用文件，进行图像识别。二、代码详解1、vgg16.py1 import tenso
转载
2024-03-29 20:36:29
247阅读
文章目录项目简介项目下载地址项目开发软件环境项目开发硬件环境前言一、数据加载的作用二、Pytorch进行数据加载所需工具2.1 Dataset2.2 Dataloader2.3 Torchvision2.4 Torchtext2.5 加载项目需要使用的库三、加载MINIST数据集3.1 数据集简介3.2 数据预处理3.3 加载数据集四、模型构建五、CrossEntropyLoss5.1 Soft
一、编译TensorFlow的c++接口在调用TensorFlow的c++接口之前，首先要安装bazel、protobuf、Eigen等软件，然后下载TensorFlow源码进行编译，整体过程还是比较麻烦。1、配置C++版tensorflow使用时的第三方依赖（1）protobuf下载及安装Protobuf这玩意儿是重中之重，它的版本与tensorflow的版本密切相关，它的版本错了就无法work
硬件配置如下：系统：Ubuntu16.04TSL 显卡：GTX1080ti(11GB) x 2 处理器：i7-6800K(12core) 内存：16GB环境：tensorflow1.8 + python2.7训练数据：flowers共5类：daisy（633项）、dandelion（898项）、roses（641项）、sunflowers（699项）、tulips（799项）下载链接：
目录 前言knn vs. svmsvm & linear classifierbias trickloss functionregularizationoptimization代码主体导入数据及预处理svm计算loss_function和梯度验证梯度公式是否正确比较运行时间svm训练及预测，结果可视化通过corss-validation来选定参数，结果可视化具体实现s
转载
2023-10-08 21:56:12
185阅读
图1 Dynamic Vision Transformer（DVT）示例
一．Introduction（研究动机及简介）近半年来，以Google的工作《An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale》为代表的Vision Transformer（ViT）系列视觉模型受到了
转载
2024-09-25 15:19:41
103阅读
目录支持向量机SVM的详细原理 SVM的定义 SVM理论 SVM应用实例，SVM图像多分类 代码 结果分析 展望 参考支持向量机SVM的详细原理SVM的定义支持向量机（support vector machines, SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；SVM还包括核技巧，这使它成为实质上的非线性分类器。SVM的的学习策略就是间
转载
2024-04-16 10:36:29
91阅读
Transformer是一种基于自注意力机制（self-attention mechanism）的深度神经网络，这一机制原先用于自然语言处理领域。受Transformer强大的表示能力的启发，研究人员提出将Transformer扩展到计算机视觉任务中。与卷积网络和循环网络等其他网络类型相比，基于Transformer的模型在各种视觉领域上能获得更好的性能因此非常具有竞争力。本文首先将简要介绍Tra
一.简历文本标注数据的准备目标：把原始数据集转换为PaddleNLP支持的文本/文档抽取标注格式，为后续的模型微调做好准备。工具：Label Studio使用手册：applications/information_extraction/label_studio_text.md · PaddlePaddle/PaddleNLP - Gitee.comhttps://gitee.com/paddlep
前言大家能看到这篇文章，想必对HOG还是有些了解了，那我就不赘述了，其实我自己不太懂，但是还是比刚开始好一些了。下面我的代码是参考这位博主的：点我查看上面那位博主是用的cifar-10数据集，但是我们的数据集很可能是普通的图片，所以我进行了一些改进。注意事项：你的图片长宽可以不相等，设置好image_height和image_width即可。 如果图片大小不相等，可以使用change_size.p
图结构一般而言是十分不规则的，可以认为是无限维的一种数据，因此不存在平移不变性。每一个结点周围的结构都是独一无二的，因此针对该结构的数据。涌现出GNN、DeepWalk、node2vec等等方法。GCN，即图卷积神经网络图卷积神经网络（GCN）tkipf/pygcn (github.com)Graph Convolutional Networks | Thomas Kipf | Univ
转载
2024-07-23 22:34:30
73阅读
图像分割的问题定义，以及在实际场景中的应用样例全卷积网络双线性上采样特征金字塔Mask-RCNN什么是图像分割？图像分割就是预测图像中每一个像素所属的类别或者物体。图像分割有两个子问题，一个是只预测类别层面的分割，对每个像素标出一个位置。第二个是区分不同物体的个体。应用场景，比如自动驾驶，3D 地图重建，美化图片，人脸建模等等。最常用的数据集主要介绍三个：Pascal VOC；CityScapes
图片存储原理： 主流颜色空间：1.RGB三通道彩色图：图片——>三维矩阵 2.单通道灰度图：Gray=R*0.3+G*0.59+B*0.11 图像增强目标：1.改善图像的视觉效果2.转换为更适合于人或机器分析处理的形式3.突出对人
