斯坦福CS231n课程确实很好，学了有两三遍，每次都有不一样的收获，理解的也更深刻。这里把自己觉得重要的东西记录下来，以加深印象，同时便于查阅。CS211n简书笔记链接：https://www.jianshu.com/p/182baeb82c71图像分类笔记（上） CIFAR-10数据集共有60000张32x32大小
第一篇是这个：https://zhuanlan.zhihu.com/p/32230623 在上面一篇文章已经讲了： 接下来是这篇文章：https://zhuanlan.zhihu.com/p/32262540《Adam那么棒，为什么还对SGD念念不忘 (2)—— Adam的两宗罪》Adam罪状一：可能不收敛Adam罪状二：可能错过全局最优解他们提出了一个用来改进Adam的方法：
转载
2024-05-06 12:02:05
95阅读
1.图像分类：卷积神经网络CNN图像分类概念 首先，图像分类是解决是什么的问题？ 如下图，给定一幅图片，网络能够给出“最像”什么的概率： 图像分类使用的技术•卷积神经网络CNN 它是计算机视觉中的基础网络,有监督深度模型时代的起点 AlexNet，VGG，GoogLeNet，ResNet，ResNeXt • GoogLeNet Inception V1 -> V2 -> V
转载
2024-04-12 14:14:26
33阅读
不知不觉离上篇博客已经过去了一个月了，决定把vtk图像处理的方式方法总结下来。编写vtk程序就和平时做事情是一样的，要循序渐进，才不会出错，具体步骤如下：
1、vtk图像构建
前面的文章提到过，可以用Source（比如，vtkConeSource创建椎体源对象，vtkImageCanvasSource2D创建空白画布对象）来创建，并且都会提供相应的图像处理功能，但随着我对vtk学
用Pytorch实现图像分类概述本文记录使用pytorch深度学习框架来实现一个图像分类任务的过程，搭建一个
转载
2021-09-11 15:55:45
1355阅读
本文将分解图像分类背后的目的，给出卷积神经网络的定义，讨论这两者如何作用，并简要说明如何在Python中创建一个卷积神经网络架构。使用深度卷积神经网络进行图像分类用深度卷积神经网络（DCNN）进行图像分类是一个口口相传的说法，但由于使用这种方法可以完成很多项目和任务，所以值得研究和理解。图像分类是一个强大的工具，可以将静态图像和推断出可能被错过的重要数据。在这篇文章中，我们将分解图像分类背后的目的
原创
精选
2023-02-04 14:06:26
795阅读
深度学习是使用人工神经网络进行机器学习的一个子集，目前已经被证明在图像分类方面非常强大。尽管这些算法的内部工作在数学上是严格的，但 Python 库(比如 keras)使这些问题对我们所有人都可以接近。在本文中，我将介绍一个简单的图像分类器的设计，它使用人工神经网络将食物图像分为两类：披萨或意大利面。下载图片为了训练我们的模型，我们将需要下载大量比萨饼和意大利面的图像，这是一个可能非常繁琐的任务，
转载
2024-07-13 15:02:02
65阅读
基于卷积神经网络的图像分类：AlexNet0.综述1.Paper研究背景和研究成果1.1 研究背景1.2 研究成果2.AlexNet网络结构及部分参数计算3.数据增强与超参数设置4.AlexNet的TensorFlow实现 0.综述AlexNet和VGG是深度学习应用于图像分类问题的经典之作。这两个网络的Paper里包含了很多重要的概念以及网络训练时的技巧。AlexNet是2012年发表在NIP
转载
2024-04-08 21:48:25
16阅读
1.医学图片与自然场景图片的区别 医学图像检测与自然图像检测差别还是比较大的，自然图像的目标检测由于需要检测的类别非常多，现在的目标是更深的网络（提高目标的特征表示能力，resnet），更快的检测速度（最终需要商用，要有较好的实时性，yolo，ssd），更好的检测效果（boundbox要完全正好包住目标，locnet）；而医学图像的
转载
2024-04-09 00:55:37
80阅读
一、关于优化器深度学习的目标是通过不断改变网络参数，使得参数能够对输入做各种非线性变换拟合输出，本质上就是一个函数去寻找最优解，所以如何去更新参数是深度学习研究的重点。 通常将更新参数的算法称为优化器，字面理解就是通过什么算法去优化网络模型的参数。常用的优化器就是梯度下降。接下来讲的就是梯度下降和进一步优化梯度下降的各种算法。 优化器或者优化算法，是通过训练优化参数，来最小化（最大化）损失函数。损
转载
2024-02-23 15:50:51
103阅读
前面连续两周的文章，是先后围绕着柱形图、条形图来讲的。在开始分享柱形图、开始分享条形图之初，我也都提到过，它们有个共同点：都是用来呈现对比关系的图表。其实这两类图表的基本形式与做法分享得差不多了，还有一些组合图表以后再补充。今天呢，先来做一个合集，带大家来回顾这些图表的制作方法与应用场景，也便于大家需要的时候，可以一键抵达。1. 呈现两组对比值（对比差或差异率），对比形
多模态学习概述多模态学习（MultiModal Machine Learning, MMML）是一种机器学习范式，它专注于处理和理解来自多个不同模态（如图像、文本、声音等）的数据。随着人工智能的发展，多模态学习变得日益重要，因为它能更有效地模拟人类的感知和认知能力，从而改善智能系统的性能。多模态学习的定义 多模态学习允许机器从多种不同的数据源学习，例如，可以从图像和文本中同时学习，这样可
目标检测目前遇到的问题:1、图像识别的数据集标注只能人工来进行。人工智能检测到图片中物体种类名称，然而它检测的对错与否最终只能人来判断。为什么不能机器来做呢？2、图片中一种物体可能会有多种动作、表情、穿着等等。仅仅依靠卷积网络来提取特征，可靠嘛？3、yolo目标检测时，多种类目标检测训练时候要同时将各类别的图片一起放到模型中训练。新增类别迁移学习的时候还要把用来训练原模型的所有图片放一起训练嘛？这
转载
2024-10-09 18:00:58
125阅读
课程一 图像分类笔记该笔记是一篇介绍性教程，面向非计算机视觉领域的同学。教程将向同学们介绍图像分类问题和数据驱动方法，内容列表：1.图像分类、数据驱动方法和流程
2.Nearest Neighbor分类器
k-Nearest Neighbor
3.验证集、交叉验证集和超参数调参
4.Nearest Neighbor的优劣
5.小结
小结：应用kNN实践
6.拓展阅读图像分类所谓图
转载
2024-10-21 21:44:41
56阅读
由于训练时间短，越来越多人使用自适应梯度方法来训练他们的模型，例如Adam它已经成为许多深度学习框架的默认的优化算法。尽管训练结果优越，但Adam和其他自适应优化方法与随机梯度下降(SGD)相比，有时的效果并不好。这些方法在训练数据上表现良好，但在测试数据却差很多。最近，许多研究人员已经开始针对这个问题进行研究，尤其是我们最常用的Adam。本篇文章将试着理解一下这些研究结果。Adam收敛速度更快，
转载
2024-03-25 22:46:20
97阅读
https://github.com/facebookresearch/multigrainMultiGrain: a unified image embedding for classes and instancesAbstractMultiGrain是一种网络架构，产生的紧凑向量表征，既适合于图像分类，又适合于特定对象的检索。它建立在一个标准分类主干上。网络的顶部产生包含粗粒度和细
1、序言HaaS 即 Hardware as a Service, 它是加速AIoT开发者创新的一个积木平台。Python轻应用是跑在HaaS积木平台上的一套应用框架。他是基于MicroPython进行开发，继承了python优美简介的语法，同时提供了便捷的嵌入式硬件操作库。HaaS100作为阿里云智能IoT团队推出的一款 IoT 开发板，它适配了MicroPython的运行引擎, 提供了各种丰富
转载
2024-06-07 18:48:52
220阅读
在这篇文章中，我们将深入探讨如何在PyTorch中使用Adam优化器，这个问题在许多机器学习工作中往往是必不可少的。随着深度学习的普及，越来越多的开发者面临如何有效使用Adam优化器的挑战。
## 问题背景
在机器学习模型的训练中，选择合适的优化器至关重要。Adam优化器因其自适应学习率和高效性，成为了广泛使用的选择。然而，许多使用者在使用过程中遇到了一些问题，例如训练过程中模型效果不理想，损
先定义一下图像分类，一般而言，图像分类分为通用类别分类以及细粒度图像分类那什么是通用类别以及细粒度类别呢？这里简要介绍下：
通用类别是指我们日常生活中的一些大类别物体，比如说，奔驰，宝马，法拉利什么的都可以归到车这个大类别，因为他们视觉特征(形状，外观等)非常相似；
细粒度类别这里就不仅仅要知道他们是奔驰，宝马了，更加要知道他们是奔驰哪个车系，比如S150，宝马7系(ps:这都不算最细粒
转载
2024-03-17 16:44:31
238阅读
图像分类参考链接1.前言2.K近邻与KMeans算法比较KNN原理和实现过程(1) 计算已知类别数据集中的点与当前点之间的距离：(2) 按照距离递增次序排序(3) 选取与当前点距离最小的k个点(4) 确定前k个点所在类别的出现频率(5) 返回前k个点出现频率最高的类别作为当前点的预测分类 1.前言传统的图像分类通常包括以下步骤：特征提取：通过一系列的特征提取算法从图像中提取出代表图像信息的特征向
转载
2023-08-05 20:06:36
264阅读
