Petrichor的专栏

600 篇文章
45 人订阅

其他

Petrichor_

matplotlib: 绘制平面图/表格

46340
Petrichor_

opencv: cv2.applyColorMap 伪色彩

在图像处理中,伪色彩用途广泛。在OpenCV库中,常见的伪色彩模式都可通过 cv2.applyColorMap(src, userColor[, dst]) 直...

67130
Petrichor_

个性代码注释 大合集

51720
Petrichor_

opencv: cv2.rectangle 通过确定对角线 画矩形

在做项目的过程中,标记数据是记录每个 bounding box 的左上角和右下角坐标。因为用到了数据增强,所以我有了一个疑虑:

33720
Petrichor_

利用 visitor map (访客地图) 统计网站访客

通过向网页中 添加 插件代码,可以实现 利用 visitor map (访客地图) 统计网站访客 。

13920
Petrichor_

深度学习: AlexNet 网络

AlexNet网络 提出于2012年,Hinton大神带领团队在ImageNet图像分类竞赛上夺魁,成为了深度学习的转入兴盛的拐点,因此2012年被称为“计算机...

26930
Petrichor_

深度学习: Batch Normalization (归一化)

15年2月的论文:Batch Normalization: Accelerating Deep Network Training by Reducing Int...

21830
Petrichor_

深度学习: VGGNet 网络

VGGNet 于2014年由牛津大学著名研究组VGG (Visual Geometry Group) 提出,斩获该年ImageNet竞赛中 Localizati...

96230
Petrichor_

深度学习: softmax loss 计算

int型变量,默认为空。 如果指定值,则label等于ignore_label的样本将不参与Loss计算,并且反向传播时梯度直接置0.

64440
Petrichor_

深度学习: Non-Maximum Supression (非极大值抑制)

由 论文可见,在 Faster R-CNN 中,NMS算法被放在RPN网络的末段,用于 协助 剔除低得分的anchor:

40120
Petrichor_

车载网络: CAN (Control Area Network) 控制器局域网络

CAN,全称 控制器局域网络 (Controller Area Network, CAN),是由以研发和生产汽车电子产品著称的德国BOSCH公司开发的,并最终成...

24640
Petrichor_

车载网络: 常见车载网络

车载网络是早期的汽车内部传感器、控制和执行器之间的通讯用点对点的连线方式连成复杂的网状结构。

31080
Petrichor_

深度学习: 局部响应归一化 (Local Response Normalization,LRN)

局部响应归一化(Local Response Normalization,LRN):

1K40
Petrichor_

深度学习: 激活函数 (Activation Functions)

激活函数(activation function)层又称 非线性映射 (non-linearity mapping) 层,作用是 增加整个网络的非线性(即 表达...

91730
Petrichor_

深度学习: 经典 数据集 汇总

官网:www.cs.toronto.edu/~kriz/cifar 介绍:CIFAR-10数据集说明、TensorFlow CNN 测试CIFAR-10数据...

57830
Petrichor_

深度学习: 目标检测算法 效果对比

使用selective search方法先产生region proposals,再使用浅层CNN网络进行特征提取,最后使用svm进行分类。这篇论文里提及的一个点...

82440
Petrichor_

思考: “泛化”是任人打扮的小姑娘

同理,泛化误差的存在就是为了防止学习器把训练样本学得太好了,导致可能已经把训练样本自身的一些特点当做了所有潜在样本都会具有的一般性质。

15740
Petrichor_

深度学习: 从 anchor 进化到 proposal

49040
Petrichor_

论文写作: 一点心得

比如你的工作是用深度学习解决了某个复杂场景下的问题,就要在题目上体现出这是一个多么多么 难的挑战,让人一看就觉得,哎这个问题一看就很难,就会很 有兴趣去了解你是...

25130
Petrichor_

深度学习: 处理不平衡样本

对不平衡样本的处理手段主要分为两大类:数据层面 (简单粗暴)、算法层面 (复杂) 。

57020

扫码关注云+社区

领取腾讯云代金券