前言 接着上篇《IOS7下的人脸检測》,我们顺藤摸瓜的学习怎样在IOS7下用openCV的进行人脸识别，实际上非常easy，因为人脸检測部分已经完毕，剩下的无非调用openCV的方法对採集到的人脸样本进行训练，终于得到一个能够预測人脸的模型。可是当中的原理可谓是博大精深，因为快临最近末考试了，没时间去琢磨当中详细的细节，这次就先写个大概的demo，...
在之前的视频学习中，我们使用的模型被称为全连接神经网络。 全连接 NN：每个神经元与前后相邻层的每一个神经元都有连接关系，输入是特征，输出为预测的结果。 参数个数：∑（前层 × 后层 + 后层） 这只是一张28*28的黑白图片，在实际生活中，更多的则是RGB格式的彩色图像，像素点更多，且为红绿蓝三通道信息。 待优化的参数过多，容易导致模型过拟合。为避免...
1. 前言 在NLP中有几个经典的序列标注问题，词性标注（POS），chunking和命名实体识别（NER）。序列标注器的输出可用于另外的应用程序。例如，可以利用在用户搜索查询上训练的命名实体识别器来识别关键词，从而触发某些产品广告。另一个例子是搜索引擎可以使用这种标签信息来查找相关的网页。 2. BI-LSTM-CRF原理 在本文中，我们提出了各种基于长...
参数解析 参数 DecisionTreeClassifier DecisionTreeRegressor 特征选择标准criterion 可以使用"gini"或者"entropy"，前者代表基尼系数，后者代表信息增益。一般说使用默认的基尼系数"gini"就可以了，即CART算法。除非你更喜欢类似ID3, C4.5的最优特征选择方法。 可以使用"m...
Multiple Features （多特征量） 1、字符定义： 2、Multivariate Linear Regression （多元线性回归）： 3、代价函数： 4、梯度下降算法： 梯度下降技巧一——Feature Scaling （特征缩放） 1、定义：将每个特征量缩放到-1和1之间。（与之范围接近即可，如0~3，-2~0.5等） 2、作用...
Web1.0：以静态、单向阅读为主，网站内信息可以直接和其他网站信息进行交互，能通过第三方信息平台同时对多家网站信息进行整合使用。 Web2.0：以分享为特征的实时网络，用户在互联网上拥有自己的数据，并能在不同的网站上使用。 Web3.0：将以网络化和个性化为特征，提供更多人工智能服务，完全基于Web，用浏览器即可实现复杂的系统程序才具有的功能。 Web3...
转载：http://www.cnblogs.com/zf-blog/p/6075286.html 卷积神经网络（CNN）由输入层、卷积层、激活函数、池化层、全连接层组成，即INPUT-CONV-RELU-POOL-FC (1)卷积层：用它来进行特征提取，如下： 输入图像是32*32*3，3是它的深度（即R、G、B），卷积层是一个5*5*3的filter(...
图像质量评估 (IQA) 论文笔记： Convolutional Neural Networks for No-Reference Image Quality Assessment Convolutional Neural Networks for No-Reference Image Quality Assessment Le Kang1 , Peng...
预处理与权重初始化之间的关系 如果做过DNN的实验，大家可能会发现在对数据进行预处理，例如白化或者z-score，甚至是简单的减均值操作都是可以加速收敛的，例如下图所示的一个简单的例子： 图中红点均代表二维的数据点，由于图像数据的每一维一般都是$0~255$之间的数字，因此数据点只会落在第一象限，而且图像数据具有很强的相关性，比如第一个灰度值为$30$，...
随着人工智能的兴起，目标检测算法在各行业中起的作用越来越大，怎么落地，这是一个非常严峻的话题。今天看到一位大牛的分享，学习了。 把该领域的算法和历史做个梳理。方便后续研究。 按照时间分类，可以把该算法分成两类：传统算法和CCN算法。 传统算法： 级联分类器框架：Haar/LBP/积分HOG/ACF feature+Adaboost 级联分类器最...