原创 再學西瓜書----chapter9 k-mean 均值聚類

? K-means是有監督聚類還是無監督聚類 無監督問題, 還有pca降維也是無監督問題。 ? K-means 聚類方法步驟 1:首先確定一個k值,即我們希望將數據集經過聚類得到k個集合。 2:從數據集中隨機選擇k個數據點作爲

原创 再學西瓜書----chapter6 支持向量機SVM

Page 121~Page 123 比較好的推文可以參考這篇,講的比西瓜書詳細 關於svm的推導不準備贅述了,這裏只注重結論, 超平面 wTx+ b = 0 對於線性可分的情況,超平面其實是我們需要求的東西 支持向量 就是離超平面

原创 再學花書----chapter5機器學習基礎

pdf: Page115~Page 144 機器學習本質上屬於應用統計學,更多地關注於如何用 計算機統計地估計複雜函數,不太關注爲這些函數提供置信區間 ? 學習算法中的學習是什麼意思 對於某類任務 T(target) 和性能度量

原创 再學花書----chapter6 前饋神經網絡

深度前饋網絡(deep feedforward network): 也叫作 前饋神經網絡(feedforward neural network)或者 多層感知機(multilayer perceptron, MLP),是典型的深度

原创 Faster RCNN loss_rpn_box_reg = nan分析

首先整體架構使用的是torchvision0.3版本自帶的模塊。所以找問題都是從自己寫的代碼開始。 自己架構是否有問題: 固定一下optimizer = torch.optim.SGD(model.parameters(), lr

原创 pytorch 2範數歸一化的表示

def l2_norm(input, axit=1): norm = torch.norm(input,2,axit,True) output = torch.div(input, norm) return ou

原创 無root權限編譯安裝ffmpeg

linux 軟件安裝完全沒有windows軟件安裝的方便,特別是沒有root權限安裝,可能得涉及到編譯,整個編譯安裝ffmpeg的方法着實讓我花了不少時間。 參考博客有兩篇貼一下:https://www.cnblogs.com/t

原创 SR競賽準備

2019/11/3 沒想到都到了做比賽的第五天了,今天開組會仔細討論了一下超分的算法,有一個好的想法是基於UNET的,在這裏可以先記錄一下, 基本上理清楚了思路之後我想還是考慮一下訓練應該怎麼設計。 2019/11/2: 考慮了半

原创 CASIA-WebFace數據集清洗

中科院李子青課題組於2014年發佈的CASIA-WebFace數據集收集了10000多個名人的照片,然而,這些照片是在網上用爬蟲扒下來的,所以有一些數據存在問題,這裏對這個數據集做清洗。 1:使用RetinaFace對給定的圖片做

原创 人臉檢測流程

人臉檢測流程圖如上圖所示,對於每一步做相關分析.,人臉檢測算法準備使用訓練集CASIA-WebFace數據集及簡單介紹,測試集使用MegaFace數據集。 Face detection 目前最火的開源人臉檢測算法是Retina

原创 Deep Face Recognition: A Survey v8

這篇文章介紹一下人臉識別方向的綜述。 人臉系統流程: Training Protocols(訓練協議) Identification: 給出一張人臉照片作爲輸入,假設數據集中有這個人的人臉圖片,算法應該匹配同一人的兩張照片。 V

原创 人臉開集檢測驗證流程

1:首先定義兩個數據集,一個大的數據集一個小的數據集。大的數據集用作訓練小的數據集用作測試,大的數據集(Big_set)和小的數據集(Small_set)之間沒有重合的人物。 2:大的數據集(Big_set)有特別多張照片(比如1

原创 局域網通信圖片傳輸

想實現一下兩個電腦之間圖片傳輸,同時建立一個局域網網站,可以在網絡訪問圖片信息。 硬件配置: >一臺Linux電腦(發送端) >一臺window電腦(接受端) >一部手機(當路由器用) WiFi連接 兩臺電腦都連上手機的wif

原创 sphereface loss不收斂分析

1:lr 從1e-2 ~ 1e-5 2:weight_decay = 1e-2 ~ 1e-4 沒有作用 3:怕是sphereface出了問題,把最後一層的fc層,改成了原有的Linear,結果還是不好。最後改了loss (cros