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

林欣哲

专栏作者

56

文章

111383

阅读量

31

订阅数

图像识别机器学习

机器视觉中的图像识别问题，常常需要大量的数据，而带标签的数据需要人工标注，很难得到较多的数据。因此，我们需要使用图像扩张的方法，人工生成各种变换后的数据，扩大我们的数据量，增强系统的鲁棒性，也是一种防止过拟合的方法。图像扩张的非常常用变换有：镜像反转：像镜子一样把一张图像左右互换了随机切割：把一个图像随机的取出其中的部分颜色转换：RGB的三个颜色通道，简单的变化就随机加减，高级玩法可以用PCA主成分分析的降维方法调整RGB，图像的颜色会有些变化较常用：旋转扭曲裁剪图像扩张的手段，其实相

2018-04-10

6110

科个普啦—机器学习（下）

在机器学习（上）里谈到了机器是如何学习的，当前主流的学习方法是监督式学习，即用大量带标签的数据训练机器使得机器知道如何解决问题。那么训练就得有效果，指导机器往好的方向学习，那么如何指导机器的学习方向？主流的方法用的是梯度下降的方式。梯度就是方向的意思，下降是往误差小的方向去（即好的方向）机器从抽象意义上看的由许多参数构成的数学模型，数学模型可以认为就是一个函数。函数有输入和输出，为了让这个函数解决我们的问题，我们就得优化他，而优化则需要衡量他的输出和正确答案之间的误差，这个误差越小则说明我们的对问题解决

2018-04-10

5340

科个普啦—机器学习（上）

昨天聊了深度学习，它其实是机器学习的一种，而机器学习的目的是为了学会解决问题。这里的机器实质上是一个计算机，所能解决的问题得是数学上的问题，因此生活中要解决的问题要转换为数学的问题。定义出数学的问题后，那么，机器到底要怎么学习呢？先看看人怎么学习的，我们上学时是看课本，听老师讲解，做题，然后核对答案，错了就改正，下次争取做对题。机器也是一样的。目前主流的机器学习的方式是监督式学习。通过大量的数据和标签（类比试题和正确答案），让机器学习（类比做题），错则改正，对了就记住这样是对的。最终符合一定的准确率

2018-04-10

5330

没有更多了

社区活动

RAG七天入门训练营

鹅厂大牛手把手带你上手实战，赢鹅厂证书、公仔好礼！

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