| 共 33 篇文章 |
|
深度学习在文档图像形变矫正的应用详解。基于3D模型重建的文档矫正算法。本文旨在对扭曲文档图像进行矫正，基于图像语义分割领域的U-net模型，将扭曲文档图像矫正问题转化为像素级别的回归问题，针对模型结果中出现的文档扭曲错行以及预测结果分辨率不足等问题，参考前沿文献，实现了Stacked U-net并提出了相应的优化算法模型DilatedU-net，虽... 阅189 转1 评0 公众公开 18-09-25 08:28 |
杜伦大学提出GANomaly：无需负例样本实现异常检测。当模型在测试阶段接受到一个异常样本，此时模型的编码器，解码器将不适用于异常样本，此时得到的编码后潜在变量 z 和重构编码器得到的潜在变量 z? 的差距是大的。训练过程中只有正例样本参与，模型只对正例样本可以做到较好的编码解码，所以送入负例样本在编解码下会出现编码得到的潜在变量差... 阅121 转1 评0 公众公开 18-09-21 19:24 |
1$ python text_detection.py --image images/lebron_james.jpg \2 --east frozen_east_text_detection.pb3[INFO] loading EAST text detector...1$ python text_detection.py --image images/sign.jpg \2 --east frozen_east_text_detection.pb3[INFO] loading EAST text detector...1$ python text_detection_video.py --east frozen_e... 阅141 转0 评0 公众公开 18-08-25 07:38 |
Uber提出CoordConv：解决普通CNN的坐标变换问题。在我们的论文“卷积神经网络的有趣失效和 CoordConv 解决方案”（https://arxiv.org/abs/1807.03247） 中，我们演示并分析了卷积神经网络（CNN）在两种不同类型之间进行空间表示转换的糟糕表现：(i,j) 笛卡尔空间坐标和 one-hot 像素空间坐标。解决方案：CoordConv.对于普通 GAN（左）和 CoordC... 阅43 转0 评0 公众公开 18-07-31 09:22 |
# axis 0: 3# axis 1: 3# axis 2: 2# axis 3: 5.排序（sorting）data = np.array(np.arange(12))np.random.shuffle(data)data = data.reshape(3, 4)print(data)sum，mean，std，var，min，max 会导致这个轴被压扁，缩减为一个数值data = np.arange(24).reshape(2, 3, 4)print(data)同样遵循心法2，指定哪个轴，就在哪个轴向拼接：data = np... 阅41 转1 评0 公众公开 18-07-11 09:11 |
简明条件随机场CRF介绍 | 附带纯Keras实现。当然，如果仅仅是引入输出的关联，还不仅仅是 CRF 的全部，CRF 的真正精巧的地方，是它以路径为单位，考虑的是路径的概率。经过调试，基于 Keras 框架下，笔者得到了一个线性链 CRF 的简明实现，这也许是最简短的 CRF 实现了。class CRF(Layer): '''''''''... 阅152 转0 评0 公众公开 18-07-10 06:30 |
从动力学角度看优化算法SGD：一些小启示。Momentum 算法本质上在数值求解 (10)，而求解 (10) 并不只有 (13)，(14) 这种显式的迭代格式，还有隐式的迭代。如果将括号里边的 β/2 替换成 β，那么就是标准的带 Nesterov 动量的 GD 算法，然而我觉得上式似乎更加合理，因为 Nesterov 算法想着用 θn+1 处的梯度代替 θn 处的梯度，以赋予算法“前... 阅125 转0 评0 公众公开 18-07-10 06:26 |
【干货】手把手教你Python实现自动贝叶斯调整超参数。贝叶斯优化通过基于目标函数的过去评估结果建立替代函数（概率模型），来找到最小化目标函数的值。因为Hyperopt最小化目标函数，我们的目标函数返回1-ROC AUC，从而提高ROC AUC。在搜索的每次迭代中，贝叶斯优化算法将从域空间为每个超参数选择一个值。在每次迭代时，算法从代理函数中选择... 阅70 转1 评0 公众公开 18-07-09 09:46 |
对于给定的一组object {(fAn , fGn )}Nn=1，（比如RPN输出的300个object proposal），对于第n个object， 它收集得到的relation feature可以表示为：对于某一个object proposal的某一个类别，假设属于这个类别的概率为scoren，首先经过一个rank embed模块，即拿出其他object proposal属于该类别的score，进行排序，得到第n个object proposal在排... 阅70 转1 评0 公众公开 18-07-04 07:00 |
你以为线性回归和逻辑回归是一回事吗？线性回归不是为了解决二元分类问题，而逻辑回归则很擅长解决数据点的分类，逻辑回归用的是对数损失函数，而线性回归用的是最小平方误差。逻辑回归是另一个常见的线性模型（GLM），使用了相似的线性公式，但将连续的y替换为一组分类概率输出。逻辑回归结果在许多方面都可以与线性回归结果对比，可以发现对... 阅41 转0 评0 公众公开 18-07-01 23:24 |
