x-jeff blog

Make progress every day.

【论文阅读】Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning

Inception-v4,Inception-ResNet

本文为原创文章,未经本人允许,禁止转载。转载请注明出处。 1.Introduction 自从AlexNet赢得了ImageNet2012比赛之后,该网络框架就被成功应用于各种计算机视觉任务,比如目标检测,分割,人体姿势估计,视频分类,目标追踪以及超分辨率等。这些例子都仅是卷积神经网络成功应用的一小部分而已。 本文,我们探究了两种目前最新技术的结合:残差连接和最新版本的Incep...

【C++基础】第三十六课:返回类型和return语句

无返回值函数,有返回值函数,返回数组指针

【C++基础】系列博客为参考《C++ Primer中文版(第5版)》(C++11标准)一书,自己所做的读书笔记。 本文为原创文章,未经本人允许,禁止转载。转载请注明出处。 1.前言 return语句终止当前正在执行的函数并将控制权返回到调用该函数的地方。return语句有两种形式: 1 2 return; return expression; 2.无返回值函数 没有返回值...

【论文阅读】Deep Residual Learning for Image Recognition

ILSVRC2015冠军,COCO2015冠军,ResNet,残差网络

本文为原创文章,未经本人允许,禁止转载。转载请注明出处。 1.Introduction 之前博客关于ResNet的简单介绍:【深度学习基础】第三十课:残差网络ResNets。 神经网络的深度对于网络的性能至关重要。那么一味的添加隐藏层就能获得更好的性能吗?回答这一问题的一大障碍就是梯度消失/爆炸。但是Batch Normalization在很大程度上解决了梯度消失/爆炸...

【OpenCV基础】第二十七课:凸包

凸包,Graham扫描算法,cv::convexHull

本文为原创文章,未经本人允许,禁止转载。转载请注明出处。 1.凸包 凸包相关内容请见:【数学基础】第十八课:凸优化基础。 2.Graham扫描算法 Graham’s scan是一种计算一组平面点凸包的算法,时间复杂度为$O(n\log n)$。 算法步骤与图解: 第一步:找到最下边的点,如果有多个点纵坐标都相同且都在最下方,则选取最左边的。在上图中这个点是P。这...

【Python基础】第三十二课:使用分类模型预测客户流失

使用分类模型预测客户流失

本文为原创文章,未经本人允许,禁止转载。转载请注明出处。 1.读取客户流失数据 1 2 3 4 import pandas as pd df = pd.read_csv("customer_churn.csv", header=0, index_col=0) print(df.head()) header=0表示第一行为标题行。 index_col=0表示第一列为...

【机器学习基础】第三十二课:聚类之聚类任务

聚类任务

【机器学习基础】系列博客为参考周志华老师的《机器学习》一书,自己所做的读书笔记。 本文为原创文章,未经本人允许,禁止转载。转载请注明出处。 1.聚类任务 在“无监督学习”(unsupervised learning)中,训练样本的标记信息是未知的,目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律,为进一步的数据分析提供基础。此类学习任务中研究最多、应用最广的是“聚类”(...

【C++基础】第三十五课:参数传递

传值参数,传引用参数,const形参和实参,数组形参,main:处理命令行选项,含有可变形参的函数

【C++基础】系列博客为参考《C++ Primer中文版(第5版)》(C++11标准)一书,自己所做的读书笔记。 本文为原创文章,未经本人允许,禁止转载。转载请注明出处。 1.参数传递 当形参是引用类型时,我们说它对应的实参被引用传递(passed by reference)或者函数被传引用调用(called by reference)。和其他引用一样,引用形参也是它绑定的对象的...

【OpenCV基础】第二十六课:轮廓发现

轮廓发现,cv::findContours,cv::drawContours

本文为原创文章,未经本人允许,禁止转载。转载请注明出处。 1.轮廓发现 轮廓发现是基于图像边缘提取的基础寻找对象轮廓的方法。所以边缘提取的阈值选定会影响最终轮廓发现结果。 2.相关API 2.1.cv::findContours 该API所基于的算法来自论文“Topological Structural Analysis of Digitized Binary Images...

【Python基础】第三十一课:分类模型之随机森林

随机森林,sklearn.ensemble.RandomForestClassifier

本文为原创文章,未经本人允许,禁止转载。转载请注明出处。 1.集成学习与随机森林 相关知识讲解: 【机器学习基础】第二十七课:集成学习之个体与集成 【机器学习基础】第二十八课:集成学习之Boosting 【机器学习基础】第二十九课:集成学习之Bagging与随机森林 【机器学习基础】第三十课:集成学习之结合策略 【机器学习基础】第三十一课:集成学习之多样性...

【机器学习基础】第三十一课:集成学习之多样性

误差-分歧分解,多样性度量(不合度量、相关系数、Q-统计量、$\kappa$-统计量),多样性增强(数据样本扰动、输入属性扰动、输出表示扰动、算法参数扰动)

【机器学习基础】系列博客为参考周志华老师的《机器学习》一书,自己所做的读书笔记。 本文为原创文章,未经本人允许,禁止转载。转载请注明出处。 1.误差-分歧分解 在【机器学习基础】第二十七课:集成学习之个体与集成一文中,欲构建泛化能力强的集成,个体学习器应“好而不同”。现在我们来做一个简单的理论分析。 假定我们用个体学习器$h_1,h_2,…,h_T$通过加权平均法结合产生的集成...