首页
学习
活动
专区
工具
TVP
发布

云时之间

机器学习新兵经验合集,经济金融学习经验汇总
专栏作者
237
文章
239488
阅读量
67
订阅数
CV学习笔记(二十一):CRNN+CTC
上次的一篇文章说了下DenseNet,这一篇文章来说一下CRNN+CTC的识别原理以及实现过程。这篇文章原理部分主要参考于白裳老师的“一文读懂CRNN+CTC文字识别”,其中的CTC原理的讲解部分是我见过最清晰易懂的,值得好好读一下。
云时之间
2020-05-27
8070
CV学习笔记(二十):文本识别(DenseNet)
在上一篇文章中完成了数据集的拼接仿真,最近又做了一些关于数据集的工作,先是标注了一堆数据集,然后又把数据集再增强了一下(包括加一些噪声,滤波等等),总之就是力图更模拟日常生活的场景,这些日后再谈,这一篇文章我想先说一下在文本检测完成后,使用的识别模型DenseNet,因为最近看了很多的OCR检测项目,大多是使用的是CTPN+DenseNet的结构,既然大家都采用这个结构,说明其中是有一定的奥秘在这(我原本的想法是使用滤波检测+CRNN)。
云时之间
2020-05-21
1K0
CV学习笔记(二十一):CRNN+CTC
上次的一篇文章说了下DenseNet,这一篇文章来说一下CRNN+CTC的识别原理以及实现过程。这篇文章原理部分主要参考于白裳老师的“一文读懂CRNN+CTC文字识别”,其中的CTC原理的讲解部分是我见过最清晰易懂的,值得好好读一下。
云时之间
2020-05-20
1.9K0
CV学习笔记(二十):文本识别(DenseNet)
在上一篇文章中完成了数据集的拼接仿真,最近又做了一些关于数据集的工作,先是标注了一堆数据集,然后又把数据集再增强了一下(包括加一些噪声,滤波等等),总之就是力图更模拟日常生活的场景,这些日后再谈,这一篇文章我想先说一下在文本检测完成后,使用的识别模型DenseNet,因为最近看了很多的OCR检测项目,大多是使用的是CTPN+DenseNet的结构,既然大家都采用这个结构,说明其中是有一定的奥秘在这(我原本的想法是使用滤波检测+CRNN)。
云时之间
2020-05-15
8450
深度学习与神经网络:AutoEncoder自编码
今天让我们来看一下深度学习与神经网络里边的自编码. 其实自编码严格来说不能算作是深度学习的内容,我们在之前的机器学习算法中也了解到自编码,并且我们会通过一个简单的例子来去说说自编码的理解. 首先,我们听到自编码,一定会想到,AutoEncoder会是个什么码呢?是条形码,二维码 NO.NO.NO,和他们都没有关系,其实自编码是一种神经网络形式. 现在我们先构架一个神经网络模型,这个模型是收集一张图片,接受这个图片后,神经网络给这个图片压缩,最后再从压缩的图片中还原,是不是感觉有点抽象,其实我也觉得这样的解释
云时之间
2018-06-13
6950
深度学习与神经网络:AutoEncoder自编码
其实自编码严格来说不能算作是深度学习的内容,我们在之前的机器学习算法中也了解到自编码,并且我们会通过一个简单的例子来去说说自编码的理解.
云时之间
2018-05-01
1.3K6
NLP系列学习:CRF条件随机场(2)
这一篇文章是来自我的好朋友也是一位非常厉害的机器学习工程师的作品,征得同意后转载过来,作为条件随机场学习的一些趣味补充,也希望大家可以多多关注他,他的简书主页地址:
云时之间
2018-04-22
9604
NLP系列学习:CRF条件随机场(1)
大家好,今天让我们来看看条件随机场,条件随机场是一项大内容,在中文分词里广泛应用,因为我们在之前的文章里将概率图模型和基本的形式语言知识有所了解,当我们现在再去学习条件随机场会容易比较多(在动笔写这篇文章前我也翻阅了很多的博客,发现很多博主上来就讲一大堆核心公式,而之前的铺垫知识都很少提,我觉得这不太好,会让很多人一开始就懵).
云时之间
2018-04-11
8725
请不要把数据分析和机器学习混为一谈
经常看到有很多人把机器学习和数据分析混为一谈,因此我想分析一下机器学习和数据分析这两个职位之间有什么不同,他们干的事情有什么不同,并且借此来分析下两者的技术背景有什么不同。 首先呢这两者的第一个区别就是他们处理的数据特点不一样。那么怎么可以简单地理解呢? 首先从我们的传统上。数据分析他们所处理的是交易数据,而我们机器学习处理的则是行为数据。那么,什么是交易数据,什么是行为数据呢?比如说对于一个电商来说,他的用户交易数据就是下单,比如说对于银行这样的系统来说,他的交易数据就是用户的存取款账单,再比如对于电信
云时之间
2018-04-11
4610
什么是机器学习
什么是机器学习 机器学习是一帮计算机科学家想让计算机像人一样思考所研发出的计算机理论,他们曾经说过,人和计算机本身没有区别,同样都是一大批互相连接的信息传递和存储元素所组成的系统,所以有了这样的想法,加上他们得天独厚的数学功底,机器学习的前身也就孕育而生了。 机器学习的萌芽诞生于19世纪60年代,20年前开始逐步兴起,它是一门跨学科的交融。这里边包含了概率论,统计学等等学科,随着计算机硬件的提升,计算机运算性能的不断提高,他真正开始进入到我们的日常生活中,而在不久的将来,我相信他也会成为我们生活中必不可少
云时之间
2018-04-11
6730
深度学习的应用总结(翻译)
原文地址:https://en.wikipedia.org/wiki/Intelligent_personal_assistant 当首次介绍深度学习时,我们认为它是一个要比机器学习更好的分类器。或者,我们亦理解成大脑神经计算。 第一种理解大大低估了深度学习构建应用的种类,而后者又高估了它的能力,因而忽略了那些不是一般人工智能应用的更现实和务实的应用。 最好最自然的理解应该是从人机交互角度来看待深度学习应用。深度学习系统似乎具备近似于生物大脑的能力,因此,它们可以非常高效地应用于增强人类或者动物已经可以执
云时之间
2018-04-11
9640
译文 朴素贝叶斯算法总结
在所有的机器学习分类算法中,朴素贝叶斯和其他绝大多数的分类算法都不同。对于大多数的分类算法,比如决策树,KNN,逻辑回归,支持向量机等,他们都是判别方法,也就是直接学习出特征输出Y和特征X之间的关系,要么是决策函数Y=f(X),要么是条件分布P(Y|X)。但是朴素贝叶斯却是生成方法,也就是直接找出特征输出Y和特征X的联合分布P(X,Y),然后用P(Y|X) = P(X,Y)/P(X)得出。 朴素贝叶斯很直观,计算量也不大,在很多领域有广泛的应用,这里我们就对朴素贝叶斯算法原理做一个小结。 1. 朴素贝叶斯
云时之间
2018-04-11
4770
什么是机器学习
看到很多的小伙伴对于机器学习有这么大的兴趣,同时发现也有很多刚刚接触机器学习的小伙伴并不了解什么是机器学习.所以我想尽自己的微薄之力来谈谈我对与机器学习的理解. 不聊专业,只正三观.也感谢各位的多多指导. 好,现在让我们看看什么是机器学习.其实呢,我们可以用一句话就可以把机器学习概括出来 机器学习就是利用计算机从历史数据中找出规律,并把这些规律用到对未来不确定场景的决策.那么在这句话中呢,有几个关键的要素需要知道.首先,机器学习要解决什么问题,这些问题呢实际上就是对于未来不确定场景的决策问题.比如说我们想
云时之间
2018-04-11
6750
为什么要找到一个好的特征?
各位大家好,明天就是小年了,已经感受到了过年的味道了,提前祝大家小年快乐。 好,话不多说,今天让我们来一起分享下怎么样来去选择一个好的特征,并且当我们区分出好的特征的时候,好的特征意味着什么。 在这一篇文章中,我们将会用到机器学习的分类器来作为贯穿整篇文章的例子,因为分类器只有在我们提供了好的特征以后才可以为我们的发挥出自己的好的效果,这也意味着找到好特征是机器学习能够学好的一个重要的前提之一,那么这个时候问题就来了,什么是好特征?你怎么知道他算得上是好特征?接下来,让我们来解决这些问题。 我们用特征来描述
云时之间
2018-04-11
6740
什么是自编码?
各位小伙伴们,大家好,今天让我们来如何用神经网络来处理非监督的学习,也就是AutoEncoder,自编码。 首先,我们听到自编码,一定会想到,AutoEncoder会是个什么码呢?是条形码,二维码,还是我们宅男们最不能忍受的打码中的一种呢?NO.NO.NO,和他们都没有关系,其实自编码是一种神经网络形式,如果你一定要和上面的那些码扯上关系,我想可以这样理解了。 现在我们先构架一个神经网络模型,这个模型是收集一张图片,接受这个图片后,神经网络给这个图片打码,最后再从打码的图片中还原,是不是感觉有点抽象,其实我
云时之间
2018-04-11
8080
什么是检验神经网络?
各位小伙伴们大家好,今天让我们聊聊在做好了自己的神经网络以后来如何评价自己的神经网络的并且如何从评价当中如何改进我们的神经网络。 其实评价神经网络的方法和评价其他的机器学习的方法大同小异,那么你可能会想,机器学习如此精准,为什么我们要去检验这个神经网络呢?其实在神经网络的训练中,神经网络可能会和我们一样会出现各种各样的问题,出现学习的效率不高,或者是学习的干扰太多,学到最好并没有很好地学到这些数据所得到的规律,但是这其中的原因可能是多方面的,可能是数据问题,也可能是数据网络参数的问题,因此,为了检验评价神经
云时之间
2018-04-11
7370
机器学习常用算法的分类
大家新年好,在经历过新年假期以后,现在让我们来看看机器学习常用的算法的分类。 在以前我的文章中我们可以发现机器学习是一个及其庞大的门类,里面包括各种五花八门的算法,然后呢我们可以将这些算法进行分类,并且这些分类的方法也不仅有一种,那现在让我们来一探究竟。 首先我们先来看看对于算法的一个分类方法: 第一个算法分类,我们可以将机器学习的算法分为有监督学习,无监督学习,半监督学习。那么什么是有监督学习,无监督学习,半监督学习呢,其实这个在我之前的文章中对于这一方面有一定的概述,在这里就简单的说几句。其实我们在做机
云时之间
2018-04-11
6630
为什么要特征标准化
各位小伙伴们大家好,今天让我们来聊一聊机器学习中的所需要的数据这个话题,首先,我们先开始想一个问题,为了让机器学习更加的方便消化,我们需不需要对一些数据动一些手脚呢?所以,围绕这个问题,我们今天就来讲一讲特征数值的标准化。 也可以说是正常化,规律化正轨化等等。话不多说,让我们马上开始: 再说标准化之前,先让我们想一想现实生活当中我们的数据是怎样的,他们很可能来自不同的地方,是被不同的人采集,有着不同的规格,用一个最经典的房价预测的案例来说,当我们用机器学习来根据房屋的各个层面来预测房价,这其中可能包括离市中
云时之间
2018-04-11
9930
Tensorflow简述和初步上手
AI这个概念好像突然就火起来了,年初大比分战胜李世石的AlphaGo成功的吸引了大量的关注,但其实看看你的手机上的语音助手,相机上的人脸识别,今日头条上帮你自动筛选出来的新闻,还有各大音乐软件的歌曲“每日推荐”……形形色色的AI早已进入我们生活的方方面面。深刻的影响了着我们,可以说,这是一个AI的时代。 其实早在去年年底,谷歌就开源了其用来制作AlphaGo的深度系统Tensorflow,相信有不少同学曾经对着这款强大的机器学习系统蠢蠢欲动,但虽然有关Tensorflow的教程其实不少,甚至谷歌官方就在Te
云时之间
2018-04-11
9280
为什么需要一个激励函数
各位小伙伴们大家好,好久不见,今天让我们来一起聊一聊现代神经网络中必不可少的一个组成部分激励函数以及我们在机器学习中为什么少不了激励函数. 那首先第一个问题,什么是激励函数呢?首先用简单的语句进行概括
云时之间
2018-04-11
9090
点击加载更多
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
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档