腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
林欣哲
专栏成员
举报
56
文章
114634
阅读量
31
订阅数
订阅专栏
申请加入专栏
全部文章(56)
其他(10)
区块链(8)
go(5)
数据库(5)
人工智能(4)
比特币(3)
机器学习(3)
java(3)
spring(3)
神经网络(3)
编程算法(3)
存储(3)
图像识别(3)
NLP 服务(2)
汇编语言(2)
云数据库 SQL Server(2)
api(2)
深度学习(2)
分布式(2)
卷积神经网络(2)
xcode(1)
python(1)
react(1)
html(1)
android(1)
nosql(1)
云数据库 Redis(1)
sql(1)
access(1)
mvc(1)
git(1)
maven(1)
linux(1)
unix(1)
文智公众趋势分析(1)
正则表达式(1)
jdbc(1)
hashmap(1)
监督学习(1)
npm(1)
单元测试(1)
rabbitmq(1)
迁移学习(1)
微信(1)
安全(1)
数据分析(1)
数据结构(1)
https(1)
distribution(1)
搜索文章
搜索
搜索
关闭
图像扩张
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
linxinzhe
2018-04-10
628
0
科个普啦—机器学习(下)
机器学习
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
linxinzhe
2018-04-10
547
0
科个普啦—机器学习(上)
机器学习
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
linxinzhe
2018-04-10
544
0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
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
立即体验
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
立即查看
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