| by YoungTimes | No comments

双线性插值(Bilinear Interpolation)

线性插值

已知中P1点和P2点,坐标分别为(x1, y1)、(x2, y2),要计算 [x1, x2] 区间内某一位置 x 在直线上的y值:

根据初中的几何知识:

$$
\begin{equation}
\frac{y – y_0}{x – x_0} = \frac{y_1 -[……]

继续阅读

Read More
| by YoungTimes | No comments

深入理解ROI Pooling

本文主要讨论Fast R-CNN论文中使用的ROI Pooling(上图中蓝色矩形框部分)。

什么是ROI

ROI是Region of Interest的缩写,是原始图像上的一个Proposed Region。提取ROI的方法有很多,本文不详细讨论。

Fast R-CNN是如何工作[……]

继续阅读

Read More
| by YoungTimes | No comments

Tensorflow中的乘法运算

1.tf.multiply()-两个矩阵中对应元素各自相乘

tf.math.multiply()实现将矩阵x和矩阵y逐个元素(element-wise)相乘,返回一个新的矩阵。注意它实现的是元素级别的相乘,也就是两个相乘的数元素各自相乘。

若w为m*1或者1*1的矩阵,x为m*n的矩[……]

继续阅读

Read More
| by YoungTimes | No comments

Object Detection-YOLOv2 Input And Output Encoding

本文主要学习在PASCAL VOC2012数据集上训练YOLOv2时的Input Encoding和Output Encoding。

Import PASCAL VOC2012 data

PASCAL VOC2012支持的Object类别如下:

假设PASCAL VOC20[……]

继续阅读

Read More
| by YoungTimes | No comments

Object Detection-理解YOLO v2

论文链接

《YOLO9000: Better, Faster, Stronger》

https://arxiv.org/abs/1612.08242

YOLO V2

YOLOv1的Detection速度很快,但是精度却不如R-CNN系列方法。

YOLOv2中提出[……]

继续阅读

Read More
| by YoungTimes | No comments

神经网络中的非线性激活函数

为什么引入非线性激活函数

如果采用线性激活函数,无论你神经网络有多少层,输出都是输入的线性组合,与没有隐藏层效果相当,这种情况就是最原始的感知机(Perceptron),感知机连最基本的异或问题都无法解决,更别提更复杂的非线性问题,这样的神经网络就没有意义。

常见的非线性激活函数[……]

继续阅读

Read More
| by YoungTimes | No comments

动图详解LSTM和GRU

问题:短期记忆

反向传播(Back Propagation)是一种与最优化方法(比如梯度下降方法)结合、用来训练人工神经网络的常见方法。该方法对网络中所有权重计算损失函数的梯度,然后将梯度反馈给最优化方法,用来更新网络权重以最小化损失函数。

在神经网络中一个典型的问题就是梯度消失(Gra[……]

继续阅读

Read More
| by YoungTimes | No comments

图神经网络实战-图注意力网络Tensorflow 2.0实现

本文完整代码和数据已经上传到Github.

https://github.com/YoungTimes/GNN/tree/master/GAT

1. GCN的另一个缺陷

GraphSAGE通过采样邻居的策略解决了GCN只能采用Full Patch训练的问题。在GAT中指出了GCN的另外两个[……]

继续阅读

Read More
| by YoungTimes | No comments

机器学习-Mean Shift聚类算法

Mean Shift算法建立在核密度估计(kernel density estimation,KDE)的基础之上,它假设数据点集是从Probability Distribution中采样获取的,Kernel Density Estimation是从数据点集估计Probability Distribu[……]

继续阅读

Read More
| by YoungTimes | No comments

Real-Time Object Detection-YOLO V1学习笔记

YOLO之前的Object Detection方法主要是通过Region Proposal产生大量的Bounding Box,再用Classifier判断每个Bounding Box是否包含Object,以及Object所属类别的Probability。

YOLO提出了一种新的Object[……]

继续阅读

Read More
  • 1
  • 2