Fast RCNN的paper地址：https://arxiv.org/abs/1504.08083FastRCNN是基于RCNN和SPPnet等网络的基础上上做了系列的创新型的改进得到的，比起前面的工作既提高了训练和测试的速度，也提高了一点准确度。文章作者分析了RCNN和SPPnet各自的 缺点，然后对比指出自己的Fast RCNN带来了哪些贡献。RCNN的缺点：Training is a mu
在多变量的线性回归中主要讨论以下三个问题：特征缩放学习率α的选择策略标准方程法特征缩放在Andrew Ng的机器学习里面，讲到使用梯度下降的时候应当进行特征缩放（Feature Scaling）。进行缩放后，多维特征将具有相近的尺度，这将帮助梯度下降算法更快地收敛。特征缩放的一些方法：调节比例（Rescaling）这种方法是将数据的特征缩放到[0,1]或[-1,1]之间。缩放到什么范围取决于数据的
转载
2024-03-29 19:00:02
37阅读
对于input=(1,4,4,2) 对应卷积核为3*3 channel从2映射为5个特征 (3,3,2,5)， s=1，k=3 pad=valid是如何计算的?输出为 （1,2,2,5）
原创
2023-02-06 17:44:01
100阅读
随机特征映射(Random Feature Mapping)是一种将高维输入数据映射到低维特征空间的技术。它最初是在2007年由Rahimi和Recht提出的。以下是随机特征映射发展历程中的一些关键里程碑和理论方面：随机傅里叶特征映射(Random Fourier Feature Mapping)：最早的随机特征映射技术，由Rahimi和Recht在2007年提出。它使用傅里叶变换将输入数据映射到一个高维的特征空间，但使用了一些随机技巧以降低计算复杂度。
原创
2023-04-19 17:21:56
687阅读
surf特征+FLANN特征匹配+knn筛选匹配点+单应性矩阵映射#include "stdafx.h"#include #include #include #include "opencv2/nonfree/features2d.hpp"#include#include using namespace cv;using namespace std;int main( )
原创
2021-12-22 11:45:24
759阅读
surf特征+FLANN特征匹配+knn筛选匹配点+单应性矩阵映射#include "stdafx.h"#include #include #include #include "opencv2/nonfree/features2d.hpp"#include#include using namespace cv;using namespace std;int main( )
原创
2022-04-11 13:36:19
984阅读
1981年芬兰 Helsink 大学的 T·Kohonen 教授提出一种自组织特征映射网 （Self-Organizing Feature Map ， SOFM ）， 又称 Kohonen...
转载
2015-08-14 20:53:00
851阅读
2评论
1981年芬兰 Helsink 大学的 T·Kohonen 教授提出一种自组织特征映射网 （Self-Organizing Feature Map ， SOFM ）， 又称 Kohonen...
转载
2015-08-14 20:53:00
784阅读
2评论
# 拉普拉斯特征映射与深度学习
拉普拉斯特征映射（Laplacian Eigenmaps）是一种用于非线性降维和特征学习的流行方法，它利用图的方式来保持数据的局部结构。这种技术常与深度学习结合使用，以提高模型对复杂数据的表征能力。本文将探讨拉普拉斯特征映射的基本原理，并提供 Python 代码示例，展示如何在机器学习项目中实现这一技术。
## 拉普拉斯特征映射基本原理
拉普拉斯特征映射首先构
原创
2024-09-03 05:43:47
125阅读
跟我一起机器学习系列文章将首发于公众号：月来客栈，欢迎文末扫码关注！0 前言经过前面两讲的内容，我们完成了对线性回归（Linear Regression）和逻辑回归（Logistics Regression）核心内容的学习，但是一些涉及到模型改善（Optimization）
原创
2022-01-25 10:16:41
137阅读
【导读】Transformer在图像分类任务上经过充分训练已经足以完全超越CNN模型，但GAN仍然是Transformer无法踏足的领域。最近港中文博士提出首个基于Transformer的条件GAN模型STransGAN，缓解了Transformer的部分问题，但成像质量仍不如CNN。Transformer不仅在自然语言表达方面表现出色，在计算机视觉方面的潜力也被挖掘出来，不断称霸各大CV榜单。T
转载
2024-04-15 14:54:05
52阅读
容器和镜像的概念还记得么？忘了也没关系，看这里！！！ 镜像（images）概念类似虚拟机的镜像（不出意外的话大家都用过VMware，就是在VMware上创建虚拟机所用的镜像）。是一个只读的文件，一个独立的文件系统，包括运行容器所需的数据，可以用来创建新的容器。 docker镜像实际上是由一层一层的系统文件组成，这种层级的文件系统被称为UnionFS( Union file system 统一文件系
转载
2024-04-16 23:03:50
50阅读
跟我一起机器学习系列文章将首发于公众号：月来客栈，欢迎文末扫码关注！0 前言经过前面两讲的内容，我们完成了对线性回归（Linear Regression）和逻辑回归（Logistics Regression）核心内容的学习，但是一些涉及到模型改
原创
2021-12-30 10:21:53
141阅读
这一节内容是神经网络在认知科学领域的探索，不是笔者擅长的领域，部分记录内容是笔者自己的思考演绎，正确性有待验证，欢迎指教。 主要讨论的是神经网络作为一种信息表示，同时具有特征向量表示，和关系表示的能力。Hinton说认知科学中关于概念（concept）表示方法有一个长时间的争论：表示为特征向量（feature vector），和表示为关系（relationship）。 特征向量就是把信息都是用
转载
2023-12-21 16:29:57
55阅读
特征工程概述一、特征工程概述特征工程 = 数据准备（for
原创
2018-05-26 17:51:47
811阅读
一、特征选择–与降维的差异相同点：效果一样，都是试图减少数据集
原创
2018-06-14 13:37:45
235阅读
一、连续型变量1.1 连续变量无量纲化1.2 连续变量数据变换1.3 连续变量离散化二、类别变量编码三、时间型、日期型变量转换四、 缺失值处理五、 特征组合 一、连续型变量1.1 连续变量无量纲化无量纲化： 使不同规格尺度的数据转化统一规格尺度（将数据单位统一）无量纲化方法：标准化, 区间所方法 x′=x−x¯¯¯σ
原创
2018-06-14 13:09:06
229阅读
注意：1.本系列所有的文章主要是梯度提升树模型展开的，抽取的特征主要为帮助梯度提升树模型挖掘其挖掘不到的信息，本文介绍的所有特征都可以当做特征直接加入模型，和基于神经网络的策略有些许差别；2. 因篇幅过多
转载
2022-04-22 23:38:55
10000+阅读
随着《星际穿越》、《智取威虎山》等3D电影票房大卖，视觉上的冲击与震撼算得上让我们大开了眼界。要说起3D电影的兴起，必须追溯到2010 年，詹姆斯.卡梅隆科幻巨制《阿凡达》在该年登陆中国，并成功放映。凭借令人叹为观止的3D特效，将我们带入了一个梦幻般的3D世界。
也正因如此，《阿凡达》在中国掀起了一股3D狂潮，许多电影院都出现了一票难求的罕见景象
转载
2024-08-03 17:50:54
36阅读
HOG特征：方向梯度直方图（Histogram of Oriented Gradient,）特征是一种全局图像特征描述子。 它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行...
转载
2017-03-16 15:32:00
558阅读
2评论
