网上找了下tensorflow中使用batch normalization的博客，发现写的都不是很好，在此总结下：1.原理公式如下：y=γ(x-μ)/σ+β其中x是输入，y是输出，μ是均值，σ是方差，γ和β是缩放（scale）、偏移（offset）系数。一般来讲，这些参数都是基于channel来做的，比如输入x是一个16*32*32*128(NWHC格式)的feature map，那么上述参数都是
转载
2024-03-19 13:47:44
33阅读
最近工作需要折腾 tensorflow， 学会图片分类后开始折腾物体检测。 感谢前人的工作，现在把物体检跑起来还是比较容易的，但优化就不容易了。Tensorflow在更新1.2版本之后多了很多新功能，其中放出了很多用tf框架写的深度网络slim模型，大大降低了开发难度，无论是fine-tuning还是修改网络结构都方便了不少。这里讲的的是物体检测（object detection）API，这个库的
转载
2024-04-27 22:39:13
21阅读
论文原文地址：Towards End-to-End Lane Detection: an Instance Segmentation ApproachTensorflow代码地址：lanenet-lane-detection 现在作者维护的版本更新到了2021.4.29。我上传到了百度网盘里：链接：https://pan.baidu.com/s/1XydBVV-niTo9GybRDhqu
转载
2024-05-06 12:44:02
125阅读
tensorflow架构 Object detection is one of the most popular and used computer vision methods nowadays, where the intention is not only to determine whether the object is found or not in the image in the
转载
2024-08-06 21:05:06
84阅读
紧接上一篇，此时，已经选择了一个预先训练好的模型，以适应新的对象检测任务。在这篇文章中，将向展示如何将数据集转换为 TFRecord 文件，以便于调整模型。这是整个过程中最棘手的部分之一，并且需要动手编写一些代码，除非选择的数据集已经是特定的格式。TensorFlow 对象检测API教程 - 第2部分：将现有数据集转换为 TFRecord在本教程中，创建了一个可识别交通灯状态的交通灯分类器。预先训
转载
2024-02-25 05:17:35
31阅读
本教程主要是对人脸检测及识别python实现系列 及碉堡了！程序员用深度学习写了个老板探测器（付源码） 的实现。主要实现的功能是用网络摄像头自动识别在工位通道走过的人脸，如果确认是老板的话，就用一张图片覆盖到整个屏幕上。虽然原教程已经写的很好，但是我们在实现的时候仍然踩了很多坑。本着让后来者少走点弯路的原则，我们特将最详细的步骤记录如下，以期读者朋友只花最少的时间便能体验用tensorflow实现
转载
2024-04-22 14:35:18
254阅读
平时工作就是做深度学习，但是深度学习没有落地就是比较虚，目前在移动端或嵌入式端应用的比较实际，也了解到目前主要有caffe2，腾讯ncnn，tensorflow，因为工作用tensorflow比较多，所以也就从tensorflow上下手了。下面内容主要参考&翻译： https://www.tensorflow.org/mobile/?hl
转载
2024-05-27 17:12:24
75阅读
摘要本次实战案例，少奶奶给大家带来了使用Tensorflow Lite方式把YOLOV3嵌入Android版APP中，该APP通过调用手机摄像头，实现实时检测并返回具体结果，从而实现自定义网络模型移植边缘设备的可能。通过阅读本篇博客，大家也可以获得以下提升： 1）自定义训练的网络模型都可以通过TensorFlow Lite移植到Android版的APP中，实现实时监测。 2）讲解Android项目
转载
2024-04-22 19:59:04
98阅读
基本分类官网示例：https://www.tensorflow.org/tutorials/keras/basic_classification主要步骤： 加载Fashion MNIST数据集 探索数据：了解数据集格式 预处理数据 构建模型：设置层、编译模型 训练模型 评估准确率 做出预测：可视化Fashion M
这两天在跑实验时思考一个问题，为什么在别的帖子里面和自己之前的实验中，对于data的标注大家都默认使用的是从0开始标注样本，之前的一次finetune中，自己的样本从34567开始标注的时候一直没有开始收敛loss，但是后来在另一个帖子中看到标注必须要从0开始，后来自己改成01234之后loss也收敛了，因此开贴记录并验证。这是序号为01234的test.txt文件内容： 先看标注从0开始的样本
转载
2024-09-29 17:31:34
39阅读
TensorFlow Object Detection API系列教程一：Hello World! 简单介绍第一个目标检测例子实验环境代码下载安装相关依赖编译ProtobufRun起来简单分析参考 简单介绍TensorFlow Object Detection API是一个基于Tensorflow之上的开源框架，它使得构建、训练和部署目标检测模型变得更加容易。这是一个google的项目，对于计算
转载
2024-08-30 16:12:57
72阅读
刚刚搞完工程训练赛，忙活两个月了，由于缺少参赛经验，比赛时出了意外状况，结果还是功亏一篑，就写一篇博客记录一下大学参加的第一次竞赛。比赛要求软件思路由于我刚好在做项目的时候用的是PyQt5来写界面，因此我就直接用所学的来编写此次比赛所需的软件界面。对于如何实现分类任务，我们采用了当前热门的图像识别来做：在软件启动的同时开启树莓派的摄像头，此时进行动态物体检测，将图片传入神经网络中，再将识别出来的结
本文翻译自Medium上的文章：Step by Step TensorFlow Object Detection API Tutorial — Part 3: Creating Your Own Dataset，进行到这一步，我们已选择了预训练模型，并将现有数据集转化为单个TFRecord文件。但是，如果我们找到的数据集与即将使用的目标检测模型不完全匹配，而我们希望获得最佳效果，该怎么办？ 更极端
转载
2024-05-01 15:08:42
55阅读
文章目录写在前面examples/lite/examples/object_detection/android简介使用 Android Studio 在手机上运行安装 demo app 上帝视角：需要准备什么呢？ 上帝视角：Android Studio 运行 demo初见效果再出发关于前面报错模型没有 metadata 信息关于 demo 的主要更新两种 inference 方式的切换关于 dem
整理：Tom Hardy
对目标检测开源框架进行了汇总，无论是模型的快速实现，抑或是落地调优，都非常方便
1、mmDetection维护：商汤科技Github连接：https://github.com/open-mmlab/mmdetection为目标检测而生的框架，商汤科技和香港中文大学联合开源。支持的模型越来越多（如下图所示），模块化的设计：backbone、neck、box
转载
2024-08-20 21:53:12
50阅读
本文翻译自Medium上的文章：Step by Step TensorFlow Object Detection API Tutorial — Part 2: Converting Existing Dataset to TFRecord，原文地址：https://medium.com/@WuStangDan/step-by-step-tensorflow-object-detection-api
Lanenet 一个端到端的网络，包含Lanenet+HNet两个网络模型，其中，Lanenet完成对车道线的实例分割，HNet是一个小网络结构，负责预测变换矩阵H，使用转换矩阵H对同属一条车道线的所有像素点进行重新建模将语义分割和对像素进行向量表示结合起来的多任务模型，最近利用聚类完成对车道线的实例分割。 将实例分割任务
转载
2023-10-31 15:16:43
23阅读
二、数据准备 1）下载图片 图片来源于ImageNet中的鲤鱼分类，下载地址：https://pan.baidu.com/s/1Ry0ywIXVInGxeHi3uu608g 提取码: wib3 在桌面新建文件夹目标检测，把下载好的压缩文件n01440764.tar放到其中，并解压 2）选择图片 在此数据集中，大部分图片都较为清晰，但是有极少数图片像素点少，不清晰。像素点少
转载
2024-06-24 06:43:07
41阅读
1、需要准备的东西分别解压 安装包编译环境yum install autoconfinstallyum installinstallinstallinstallyum install unzip (g++没找到）yum install gcc-c++ (用这个命令才能安装g++)yum install zlib yum install zlib-develyum
转载
2024-03-09 22:23:04
207阅读
在 Python 中使用 TensorFlow 进行垃圾短信检测
在当今社会，几乎每个人都拥有手机，并且他们都定期通过手机进行通信（短信/电子邮件）。但最重要的一点是，收到的消息大部分都是垃圾邮件，只有少数是正常的或必要的通信。诈骗者会创建欺诈性短信来欺骗您向他们提供您的个人信息，例如您的密码、帐号或社会安全号码。如果他们拥有此类信息，他们可能能够访问您的电子邮件、银行或其他帐户。
在本文中，我们将使用 Tensorflow 开发各种用于垃圾短信检测的深度学习模型，并分析不同模型的性能指标。
我们将使用短信垃圾邮件检测数据集，其中包含短信文本和相应的标签（垃圾邮件）
原创
精选
2023-10-23 08:47:48
501阅读
