集成学习基础 集成学习分类 Boosting 采用串行的方式，各个基学习器之间有依赖 基本思路：将基学习器层层叠加，每一层训练时，对前一层分错的样本，给予更高的权重。测试时，根据各层学习器的结果加权融合 AdaBoost Bagging 各基学习器之间无强依赖，可以并行训练 基于决策树基学习器的Ra ...
分类：
其他好文 时间：
2019-11-24 17:36:26
阅读次数：
93
提升方法与前向分步算法 提升方法 从弱学习算法出发，反复学习，得到一系列弱分类器，然后组合这些弱学习器，提升为强学习器 两个问题： 在每一轮如何改变训练数据的权值或概率分布 如何将弱学习器组合成一个强学习器 前向分步算法 AdaBoost另一种解释： 加法模型 损失函数为指数函数 学习算法为前向分步 ...
分类：
其他好文 时间：
2019-11-24 17:26:48
阅读次数：
80
Focal Loss 摘要 Focal Loss 目标是解决样本类别不平衡 以及 样本分类难度不平衡等问题 ，如目标检测中大量简单的background，很少量较难的foreground样本。 Focal Loss通过修改交叉熵函数，通过增加类别权重$\alpha$ 和 样本难度权重调因子(modu ...
分类：
其他好文 时间：
2019-11-20 22:01:17
阅读次数：
123
3D视觉随笔 想到什么写什么。 1. 3D目标检测任务/6D姿态估计任务需要3D表示 2D图像是网格数据，对于3D检测(3d location + 3d size + orientation)任务非常不友好，虽然可以通过添加几何约束(比如PnP定位?)来得到3D box，比如在CVPR 2019 X ...
分类：
其他好文 时间：
2019-11-18 10:02:08
阅读次数：
79
[TOC] 从零开始实现SSD目标检测（pytorch） 特别说明： 1. 本系列文章是 "Pytorch目标检测手册" 的翻译+总结 2. 知其然知其所以然，光看 "论文" 不够，得亲自实现 第一章 相关概念概述 1.1 检测框表示 边界宽（bounding box）是包围一个物体（objecti ...
分类：
其他好文 时间：
2019-11-09 20:06:15
阅读次数：
261
import osimport xml.dom.minidomimport cv2 as cv ImgPath = '/Users/ll/Desktop/PyTorch-YOLOv3/data/custom/images/' #图片地址AnnoPath = '/Users/ll/Desktop/Py ...
分类：
编程语言 时间：
2019-11-04 15:45:32
阅读次数：
866
我的工程实践是印章检测项目，属于计算机视觉中的目标检测方向，在对用例建模之前，我先对用例建模进行一些相关的介绍： 1. 用例是什么 我们首先来看一下传统的需求表述方式-"软件需求规约"(Software Requirement Specification)。传统的软件需求规约基本上采用的是功能分解的 ...
分类：
其他好文 时间：
2019-11-03 21:57:52
阅读次数：
84
1 写在前面 《21个项目玩转深度学习——基于TensorFlow的实践详解》以实践为导向，深入介绍了深度学习技术和TensorFlow框架编程内容。 通过本书，读者可以训练自己的图像识别模型、进行目标检测和人脸识别、完成一个风格迁移应用，还可以使用神经网络生成图像和文本，进行时间序列预测、搭建机器 ...
分类：
其他好文 时间：
2019-11-02 16:06:42
阅读次数：
91
主要内容： 1.模型介绍 提升树算法与线性回归模型的思想类似，所不同的是该算法实现了多棵基础决策树𝑓(𝑥)的加权运算，最具代表的提升树为AdaBoost算法，即 2.损失函数的介绍 对于Adaboost算法而言，每一棵基础决策树都是基于前一棵基础决策树的分类结果对样本点设置不同的权重，如果在前一 ...
分类：
编程语言 时间：
2019-10-31 20:07:33
阅读次数：
154
我的工程实践是印章检测，通过生成含有印章的文本图像，使用适合的目标检测算法训练模型，再利用训练好的模型检测出印章的位置以及类别。Include为用例之间包含关系，extend为用例之间扩展关系。 1. Abstract use case 首先针对项目进行分析，得到的抽象用例有：生成数据集、检测目标和 ...
分类：
其他好文 时间：
2019-10-30 11:52:03
阅读次数：
98
