作者：electech6 1.卷积操作假设有一个55的图像，使用一个33的卷积核（filter）进行卷积，得到一个3*3的矩阵（其实是Feature Map，后面会讲），如下所示： 下面的动图清楚地展示了如何进行卷积操作（其实就是简单的点乘运算）：一个图像矩阵经过一个卷积核的卷积操作后，得到了另一个矩阵，这个矩阵叫做特征映射（feature map）。每一个卷积核都可以提取特定的特征，
转载
2023-12-15 11:57:42
490阅读
三大特征提取器 - RNN、CNN和Transformer#
简介
近年来，深度学习在各个NLP任务中都取得了SOTA结果。这一节，我们先了解一下现阶段在自然语言处理领域最常用的特征抽取结构。本文部分参考张俊林老师的文章《放弃幻想，全面拥抱Transformer：自然语言处理三大特征抽取器（CNN/RNN/TF）比较》(写的非常好，学NLP必看博文)，这里一方面对博文进行一定程度上的总结，并加上一
转载
2024-07-31 17:53:24
47阅读
前言：这篇论文是最新的基于joint方式进行的联合抽取实体关系的模型。主要创新点是提出了新的标注数据方法，具体可以看论文，本篇的主要目的是解读代码逻辑，更多想法细节可以先看论文。我们还是重点分两部分来看：输入数据部分+模型输入数据部分我们都假设seq的长度都是5追踪train_dataloader-->indexed_train_data-->data_maker-->DataM
转载
2023-09-05 11:53:27
1153阅读
# 实体抽取在Python中的实现
实体抽取是自然语言处理（NLP）领域中的一项重要技术，它能够从文本中识别出具有特定意义的实体，如人名、地名、组织名等。在Python中，我们可以使用多种库来实现实体抽取，例如spaCy、NLTK等。本文将介绍如何使用Python进行实体抽取，并展示一些代码示例。
## 实体抽取的重要性
在信息爆炸的时代，我们每天都会接触到大量的文本信息。如何从这些文本中快
原创
2024-07-27 09:27:18
116阅读
引言在机器学习中有一种学习叫做手写数字识别，其主要功能就是让机器识别出图片中的数字，其步骤主要包括：图片特征提取、将特征值点阵转化为特征向量、进行模型训练。第一步便是提取图片中的特征提取。数据的预处理关系着后面模型的构建情况，所以，数据的处理也是机器学习中非常重要的一部分。下面我就说一下如何提取图片中的特征向量。图片灰度化 => 当我们拿到一种图片的时候，这张图片可能是多种颜色集合
转载
2023-06-16 13:05:13
997阅读
图像运算图像运算图像加法运算加号运算符cv2.add图像加权和按位逻辑运算按位与按位或按位非按位异或掩膜图像与数值的运算位平面分解图像加密和解密数字水印 图像运算图像加法运算可以通过加号运算符“+”对图像进行加法运算，也可以通过cv2.add()函数对图像进行加法运算。求得的和很可能超过255。上述两种不同的加法运算方式，对超过255的数值的处理方式是不一样的。加号运算符 “mod(a+b, 2
转载
2023-09-26 13:09:25
0阅读
随机抽样法就是调查对象总体中每个部分都有同等被抽中的可能,是一种完全依照机会均等的原则进行的抽样调查,被称为是一种“等概率”.随机抽样有四种基本形式,即简单随机抽样、等距抽样、类型抽样和整群抽样.非随机抽样的定义：指抽样时不是遵循随机原则,而是按照研究人员的主观经验或其它条件来抽取样本的一种抽样方法.关于抽样更详细介绍的方法参见概率抽样，随机采样。python当中实现简单随机抽样的方法有：自己纯编
转载
2023-12-04 15:06:47
83阅读
信息标记标记后的信息可形成信息组织结构，增加了信息维度 标记后的信息可用于通信、存储或展示 标记后的信息与信息一样具有重要价值 标记后的信息更有利于程序理解和运行HTML通过预定义的<>…</>标签形式组织不同类型的信息信息标记的三种形式 XML < img src=“china.jpg” size=“10”>…< /img> < name&g
转载
2024-02-22 01:35:15
66阅读
随着深度学习的发展，其优越的性能影响深远。图像分类也是视觉任务的经典问题。但是某些特殊的场景下，分类的样本少，无法利用深度学习模型重新训练，迁移学习在少量样本下也是有心无力。好在，已经有很多的大牛开源了众多的预训练模型，比如经典的MobileNeta家族、VGG家族、ResNet家族等等，以及最近火热的大模型，比如CLIP，Dinov2以及其的衍生版本。其性能在不同的硬件水平时期得到了充分的证明。
随着深度学习的发展，其优越的性能影响深远。图像分类也是视觉任务的经典问题。但是某些特殊的场景下，分类的样本少，无法利用深度学习模型重新训练，迁移学习在少量样本下也是有心无力。好在，已经有很多的大牛开源了众多的预训练模型，比如经典的MobileNeta家族、VGG家族、ResNet家族等等，以及最近火热的大模型，比如CLIP，Dinov2以及其的衍生版本。其性能在不同的硬件水平时期得到了充分的证明。
Improving Face Recognition by Clustering Unlabeled Faces in the Wild
作者团队：马萨诸塞大学&NEC实验室等
论文： https:// arxiv.org/abs/2007.0699
5
据作者团队称：这是第一个解决聚类期间标记和未标记人脸数据之间identities
文章目录事件抽取的定义理解定义数据集ACE2005数据集ACE2005EDC数据集数据集的获取事件抽取方法Pipelined Approach & Joint Approach数据集的缺失 事件抽取的定义事件作为信息的一种表现形式，其定义为特定的人、物在特定时间和特定地点相互作用的客观事实，一般来说是句子级的。组成元素组成事件的各元素包括: 触发词、事件类型、论元及论元角色。事件触发词(
转载
2024-05-17 16:46:21
75阅读
【图像处理笔记】总目录0 引言图像分割为多个区域或它们的边界后，需要进行特征提取，特征提取包括特征检测和特征描述。特征检测是指在边界、区域或图像中发现特征，特征描述是将定量属性分配给检测到的特征。例如，可以检测一个区域边界上的角，并用它们的方向和位置来描述这些角，其中的方向和位置都是定量属性。在特征提取之前，应尽可能利用预处理来归一化输入图像。例如，在照度变化严重到难以提取特征时，通过直方图均衡化
转载
2023-12-13 22:27:56
129阅读
如果那一天会来到，要分享的点可能有下面的，东西。1、尺度不变是什么。这个前文有了2、lowe在2004年的论文说了什么，程序复现。找到这个东西 是这个东西，解决了尺度上的问题，也就是原文说的。3、lowe（ Received July 28, 2005; Accepted August 3, 2006 ）全景图像拼接链接：然后在 后来 全景图像的拼接：http://www.do
导语：1998年，Lecun等人在论文Gradient-Based Learning Applied to Document Recognition里第一次定义了CNN网络结构，该网络被称为LeNet，成为CNN的开山鼻祖。该模型有1个输入层，2个卷积层，2个池化层，2个全连接层，1个输出层。此处所使用的的数据集，即是Lecun当年用到的数据集，MNIST。这里有一个手写数字识别的可视化网站，借助
在处理自然语言处理（NLP）中的规则抽取代码的问题时，我们聚焦于如何设计和实现一个有效的方案。以下是针对此类问题解决过程的记录，包括环境准备、分步指南、配置详解、验证测试、优化技巧和排错指南。这将帮助你更系统地了解整个过程。
## 环境准备
在开始前，我们需要准备合适的软硬件环境。以下是我们的准备工作。
### 软硬件要求
- **软件**：Python 3.8及以上，NLTK、spaCy
第四次作业：CNN实战1.数据下载2.数据预处理完成数据下载之后，需要对数据进行一些预处理： 图片将被整理成 224 × 224 × 3 的大小，同时还将进行归一化处理。设置VGG的格式 同时加载图像的数据。将数据拆分为训练集和有效集； 顺便取一小部分数据用来做可视化。在把这几张图片打印出来看看效果：打印图片和对应结果：input_try是5张244x244x3（RGB三通道）的小图片； labl
转载
2024-04-08 10:36:15
77阅读
热力图是一张和原始图片等同大小图，该图片上每个位置的像素取值范围从0到1，一般用0到255的灰度图表示。可以理解为对预测输出的贡献分布，分数越高的地方表示原始图片对应区域对网络的响应越高、贡献越大。主要有两种类型的可视化方法，利用GAP层，以及基于梯度传导的方法，具体可参考文档万字长文：特征可视化技术(CAM)https://mp.weixin
转载
2024-05-24 20:59:01
55阅读
# Java移动抽取代码
在现代软件开发中，代码的重用性和可维护性变得越来越重要。Java作为一种广泛使用的编程语言，提供了各种工具和设计模式来提高代码的重用性。本文将探讨Java中的“移动抽取”代码技术，帮助开发者更好地组织代码，提高代码的可读性和可维护性。
## 什么是移动抽取？
“移动抽取”（Extract Method）是一种重构技术，旨在将一段代码提取到一个独立的方法中，从而使得原
原创
2024-08-18 07:14:52
34阅读
说到人工智能，就不得不说说人工智能涉及到的众多学科中的专家系统，可以这么说，每一个人工智能的系统都离不开专家系统，只有具备专家系统，人工智能才能够帮助我们做更多的事情。那么什么是专家系统呢，专家系统有什么需要我们去理解的呢？下面我们直接进入正题。1.专家系统的相关知识专家系统是人工智能应用研究最活跃和最广泛的课题之一。专家系统就是运用特定领域的专门知识，通过推理来模拟通常由人类专家才能解决的各种复
