腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

ml

专栏作者

664

文章

633208

阅读量

64

订阅数

深度学习之图像的数据增强

深度学习图像处理

　　　在图像的深度学习中，为了丰富图像训练集，更好的提取图像特征，泛化模型（防止模型过拟合），一般都会对数据图像进行数据增强，数据增强，常用的方式，就是旋转图像，剪切图像，改变图像色差,扭曲图像特征，改变图像尺寸大小，增强图像噪音（一般使用高斯噪音，盐椒噪音）等. 但是需要注意，不要加入其他图像轮廓的噪音. 　　对于常用的图像的数据增强的实现，如下： 1 # -*- coding:utf-8 -*- 2 """数据增强 3 1. 翻转变换 flip 4 2. 随机修剪 rand

2018-03-27

2.1K0

使用感知机训练加法模型

深度学习机器学习

感知机此处不介绍，这里只是简单的做了一个使用感知机思路，训练一个y=a+b计算模型. 1 # -*-coding:utf-8-*- 2 '@author: xijun.gong' 3 import numpy as np 4 import random 5 import math 6 7 8 class Perceptron: 9 def __init__(self, learnRate, maxIter, bit_len): 10 """ 11

2018-03-27

7020

faster-rcnn在编译时遇到的一些问题

1.在安装faster-rcnn事如果报这种错误 In file included from ./include/caffe/util/device_alternate.hpp:40:0, from ./include/caffe/common.hpp:19, from ./include/caffe/blob.hpp:8, from ./include/caffe/net.hpp:10,

2018-03-27

1.2K0

faster-rcnn系列笔记(一)

目录： 1. 序言 2.正文 2.1 关于ROI 2.2 关于RPN 2.3 关于anchor 3. 关于数据集合制作 4

2018-03-27

1K0

读RCNN论文笔记

深度学习机器学习

1. RCNN的模型（如下图）描述: RCNN相比传统的物体检测，还是引入传统的物体检测的基本流程，先找出候选目标物体，逐个的提取特征，不过rbg大神引入了当时炙手可热的CN

2018-03-27

9220

RNN的简单的推导演算公式（BPTT）

深度学习编程算法

附上y=2x-b拟合的简单的代码. 1 import numpy as np 2 x = np.asarray([2,1,3,5,6]); 3 y = np.zeros((1,5)); 4 learning_rate=0.1; 5 w=5; 6 7 for i in range(len(x)): 8 y[0][i]= func(x[i]); 9 10 def func(x): 11 return 2*x -6; 12 13 def forward(w,x)

2018-03-27

1.5K0

faster-rcnn中ROI_POOIING层的解读

深度学习图像处理

在没有出现sppnet之前，RCNN使用corp和warp来对图片进行大小调整，这种操作会造成图片信息失真和信息丢失。sppnet这个模型推出来之后（关于这个网络的描述，可以看看之前写的一篇理解：http://www.cnblogs.com/gongxijun/p/7172134.html），rg大神沿用了sppnet的思路到他的下一个模型中fast-rcnn中，但是roi_pooling和sppnet的思路虽然相同，但是实现方式还是不同的.我们看一下网络参数: layer { name: "roi_poo

2018-03-27

9480

调参过程中的参数学习率，权重衰减，冲量(learning_rate , weight_decay , momentum)

深度学习机器学习

无论是深度学习还是机器学习，大多情况下训练中都会遇到这几个参数，今天依据我自己的理解具体的总结一下，可能会存在错误，还请指正. learning_rate , weight_decay , momen

2018-03-27

2.7K0

Use of Deep Learning in Modern Recommendation System: A Summary of Recent Works（笔记）

推荐系统深度学习

注意：论文中，很多的地方出现baseline,可以理解为参照物的意思，但是在论文中，我们还是直接将它称之为基线，也就是对照物，参照物. 这片论文中，作者没有去做实际的实验，但是却做了一件很有意义的事，他收罗了近些年所有推荐系统中涉及到深度学习的文章，并将这些文章进行分类，逐一分析，然后最后给出了一个推荐系统以后的发展方向的预估. 那么通过这篇论文，我们可以较为系统的掌握这些年，在推荐系统方面，深度学习都有那些好玩的应用，有哪些新奇的方法,这片论文起到了一个简报的作用，下面是论文的一个粗糙翻译：概述

2018-03-27

8630

神经网络模型之AlexNet的一些总结

神经网络机器学习深度学习

说明：这个属于个人的一些理解，有错误的地方，还希望给予教育哈～此处以caffe官方提供的AlexNet为例. 目录： 1.背景 2.框架介绍 3.步骤详细说明 5.参考文献背景： AlexNet是在2012年被发表的一个金典之作，并在当年取得了ImageNet最好成绩，也是在那年之后，更多的更深的神经网路被提出，比如优秀的vgg,GoogleLeNet. 其官方提供的数据模型，准确率达到57.1%,top 1-5 达到80.2%. 这项对于传统的机器学习分类算法而言，已经相当的出色。框架介绍: Al

2018-03-26

6780

没有更多了

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态