All Posts

半监督学习总览

半监督学习定义:使用大量无标签样例和少量有标签样例进行学习。 出现的原因:在许多实际应用中(如自然语言处理、计算机视觉和生物学等领域),无类标签的样例很容易得到,而对样例的标记代价昂贵。

使用Keras做花卉图像分类

本文使用Keras预训练的模型做图片分类,下载花卉图像数据集的方法参考TensorFlow教程。此数据集共有5种花卉,将花卉图片重新组织为训练集和测试集。

图神经网络初探

背景 深度学习取得成功的领域主要来源于欧几里得数据(如2维网格的图像和1维序列的文本),但现实生活中还存在大量的非欧几里得数据,如社交网络、电商网络、生物网络和交通网络等。尚未出现对这些数据的有效分析。例如,在电子商务领域,一个基于图的学习系统能够利用用户和产品之间的交互以实现高度精准的推荐。在化学领域,分子被建模为图,新药研发需要测定其生物活性。在论文引用网络中,论文之间通过引用关系互相连接,需要将它们分成不同的类别。

Relation Networks for Object Detection阅读笔记

来源:https://arxiv.org/abs/1711.11575 会议: CVPR 2018 ORAL 作者: Han Hu / Jiayuan Gu / Zheng Zhang / Jifeng Dai / Yichen Wei / 机构: Microsoft Research Asia / Department of Machine Intelligence, School of EECS, Peking University

[转载]有关晚清、民国现实思考的浮光掠影

来源:豆瓣,对格式略有整理,本文发布于2009年。 最近重看《走向共和》以及看了一些关于民国、晚清的文章,很有感触。中国是个从来没有停止过折腾的国家,总是在绕弯子了想图省便,吝啬抗争,结果比任何一个开明国家走的更曲折、流了更多血。一个民族经此曲折,至今依然矛盾重重,很难相信中国人总在表扬自己的有智慧。一些感触散乱记下,供学史的人一笑。

全卷积网络学习笔记

全卷积网络(FCN)对图像进行像素级的分类,用于语义分割。FCN与CNN的主要区别在于,FCN将传统CNN中的全连接层转化为1 * 1的卷积层。与传统的CNN网络不同,FCN可以接受任意尺寸的输入图像,然后采用反卷积进行上采样,使之恢复到与输入图像相同的尺寸,从而可以预测每个像素。

Mask R-CNN关键技术分析

骨干架构(FPN) 特征金字塔网络是一种多维度特征表达,主要解决物体检测中的多尺度问题,可大幅提升小物体检测的性能。网络由浅至深,低层的特征语义信息比较少,但是目标位置准确;高层的特征语义信息比较丰富,但是目标位置比较粗略。特征图金字塔分成三个部分,一个自底向上的路径(左边),一个自顶向下的路径(右边)和横向连接部分。

Mask RCNN之RPN初探

本文对项目所使用的Mask_RCNN的代码作出一些解读,主要集中在核心的RPN部分。

机器学习之强化学习

强化学习是机器学习的子领域之一。智能体(Agent)通过与环境(Environment)互动,来学习采取何种行动(Action)能使其在给定环境中的奖励(Reward)最大化。

深度学习之生成模型

PiexlRNN/CNN 使用概率链式法则计算一张图片出现的概率,其中每一项为给定前i-1个像素点后第i个像素点的条件概率分布。此分布通过RNN(LSTM)/CNN来建模,再通过最大化图片x的似然学习RNN/CNN的参数。