yuyangyg的博客

转载 保留满足条件的行

#arr_old 原来数组#arr_new 保留后的数组#>=mean+std 指定条件arr_new = arr_old[arr_old[:,4]>=(mean+std),:]#筛选数组，保留第5列满足条件的行arr_new = arr_old[~(arr_old[:,2]>=4),:]#反转，保留第5列不满足条件的行https://www.cnblog...

转载 Python模块学习——logging

logging模块是在2.3新引进的功能，下面是一些常用的类和模块级函数  模块级函数logging.getLogger([name]):返回一个logger对象，如果没有指定名字将返回root loggerlogging.debug()、logging.info()、logging.warning()、logging.error()、logging.critical()：设定...

转载 PyTorch里的多分类损失函数

http://blog.leanote.com/post/lincent/PyTorch%E9%87%8C%E7%9A%84%E5%A4%9A%E5%88%86%E7%B1%BB%E6%8D%9F%E5%A4%B1%E5%87%BD%E6%95%B0-2最近大热的PyTorch即将推出1.0版，做为各类深度学习任务的最优框架之一，PyTorch提供了丰富的损失函数，而多分类任务用到最多的就是n...

原创 NYUV2数据集提取方式

提取原图import numpy as npimport matplotlib.pyplot as pltimport scipy.io as sioimport h5pyimport osf=h5py.File("/home/yuyangyg/DataSet/NYUDataV2/nyu_depth_v2_labeled.mat")images=f["images"]images=n...

原创 U-net医学图像分割

代码作者一 数据集分割from PIL import Imageimport os# For the Dataset register at : http://brainiac2.mit.edu/isbi_challenge/# Download the corresponding data files# Only 30 images are available with ground ...

转载 Batch Normalization学习笔记

Batch Normalization 学习笔记原文地址：http://blog.csdn.net/hjimce/article/details/50866313作者：hjimce一、背景意义本篇博文主要讲解2015年深度学习领域，非常值得学习的一篇文献：《Batch Normalization: Accelerating Deep Network Training by  Reducing In...

转载 Python glob模块

转账glob模块功能描述：glob模块可以使用Unix shell风格的通配符匹配符合特定格式的文件和文件夹，跟windows的文件搜索功能差不多。glob模块并非调用一个子shell实现搜索功能，而是在内部调用了os.listdir()和fnmatch.fnmatch()。glob模块共包含以下3个函数：glob(pathname, recursive=False) 第一个参数pathname为...

转载 Python3 rfind()方法

转载描述Python rfind() 返回字符串最后一次出现的位置，如果没有匹配项则返回-1。语法rfind()方法语法：str.rfind(str, beg=0 end=len(string))参数str -- 查找的字符串beg -- 开始查找的位置，默认为0end -- 结束查找位置，默认为字符串的长度。返回值返回字符串最后一次出现的位置，如果没有匹配项则返回-1。实例以下实例展示了rfin...

转载 AdaBoost

AdaBoost 简介转载https://www.ibm.com/developerworks/cn/analytics/library/machine-learning-hands-on6-adaboost/index.html前面五篇文章涵盖了分类、回归、关联分析等诸多模型，其中分类模型被介绍得最多。原因是分类在机器学习方向是应用最广的方向之一。本文将要介绍的是分类模型中的另一种模型，AdaB...

转载 如何理解1*1卷积核

我们都知道，卷积核的作用在于特征的抽取，越是大的卷积核尺寸就意味着更大的感受野，当然随之而来的是更多的参数。早在1998年，LeCun大神发布的LetNet-5模型中就会出，图像空域内具有局部相关性，卷积的过程是对局部相关性的一种抽取。 但是在学习卷积神经网络的过程中，我们常常会看到一股清流般的存在—1*1的卷积。比如在残差网络的直连里： 残差网络的Bootleneck残差模块里：在GoogleN...

转载 pytorch学习5：实现autoencoder

点击打开链接盗图一张，自动编码器讲述的是对于一副输入的图像，或者是其他的信号，经过一系列操作，比如卷积，或者linear变换，变换得到一个向量，这个向量就叫做对这个图像的编码，这个过程就叫做encoder，对于一个特定的编码，经过一系列反卷积或者是线性变换，得到一副图像，这个过程叫做decoder，即解码。所以现在自动编码器主要应用有两个方面，第一是数据去噪，第二是进行可视化降维。然而自动编码器还...

转载 pytorch学习3：逻辑回归

点击打开链接上一节介绍了简单的线性回归，如何在pytorch里面用最小二乘来拟合一些离散的点，这一节我们将开始简单的logistic回归，介绍图像分类问题，使用的数据是手写字体数据集MNIST。logistic回归logistic回归简单来说和线性回归是一样的，要做的运算同样是 y = w * x + b，logistic回归简单的是做二分类问题，使用sigmoid函数将所有的正数和负数都变成0-...

转载 pytorch学习2：线性回归

点击打开链接线性回归对于线性回归，相信大家都很熟悉了，各种机器学习的书第一个要讲的内容必定有线性回归，这里简单的回顾一下什么是简单的一元线性回归。即给出一系列的点，找一条直线，使得这条直线与这些点的距离之和最小。import torchfrom torch import nn, optimfrom torch.autograd import Variableimport numpy as n...

转载 pytorch学习1.Transfer Learning tutorial

1.在实践中，很少悠然从头开始训练整个卷积网络（卷积初始化），因为拥有足够大的数据集比较少见。相反，它常见的pretain一个非常大数据集convNet（例如ImageNet，其中包含1000个类别120万的图像），然后使用无论是初始化或感兴趣的任务固定的特征提取。这两种主要迁移学习场景如下所示：#Finetuning网络：我们用一个预训练的网络来初始化网络，而不是随机初始化网络，就像在Iamge...

转载 目标追踪——相关滤波追踪论文翻译：Visual Object Tracking using Adaptive Correlation Filters

https://blog.csdn.net/denghecsdn/article/details/78877220Abstract    Although not commonly used, correlation filters can track complex objects through rotations, occlusions and other distractions at o...

转载 Tracking-Learning-Detection原理分析

http://johnhany.net/2014/05/tld-the-theory/正如名字所示，TLD算法主要由三个模块构成：追踪器（tracker），检测器（detector）和机器学习（learning）。　　对于视频追踪来说，常用的方法有两种，一是使用追踪器根据物体在上一帧的位置预测它在下一帧的位置，但这样会积累误差，而且一旦物体在图像中消失，追踪器就会永久失效，即使物体再出现也无法完成...

转载 learn opencv-对象跟踪

使用OpenCV进行对象跟踪（C ++ / Python）在本教程中，我们将学习OpenCV 3.0中引入的OpenCV跟踪API。 我们将学习如何以及何时使用OpenCV 3.2中的6种不同的跟踪器 - BOOSTING，MIL，KCF，TLD，MEDIANFLOW和GOTURN。 我们也将学习现代跟踪算法背后的一般理论。这个问题已经被我的朋友Boris Babenko完美的解决了，就像下面这个...

转载 Object Tracking using OpenCV

What is Object Tracking ?Simply put, locating an object in successive frames of a video is called tracking.The definition sounds straight forward but in computer vision and machine learning, tracking ...

转载 VOC数据集制作

1.图片重命名，放入JPEGimages文件夹 原文件夹重命名之后C++#include <iostream> #include <io.h> //对系统文件进行操作的头文件#include <string> #include <sstream>#include<vector>using namespace std;...

转载 【Python】random模块

Python中的random模块用于随机数生成，对几个random模块中的函数进行简单介绍。如下：random.random()用于生成一个0到1的随机浮点数。如：import randomrandom.random（）输出：0.3701787746508932random.uniform(a,b)用于生成一个指定范围内的随机浮点数，两个参数一个是上线，一个是下线。如：random.unifor...

转载 Python中的__init__.py与模块导入

python中的Module是比较重要的概念。常见的情况是，事先写好一个.py文 件，在另一个文件中需要import时，将事先写好的.py文件拷贝 到当前目录，或者是在sys.path中增加事先写好的.py文件所在的目录，然后import。这样的做法，对于少数文件是可行的，但如果程序数目很多，层级很复杂，就很吃力了。有没有办法，像Java的Package一样，将多个.py文件组织起来，以便在外部统...

转载 【keras】2.Lenet-5实现

lenet结构 Lenet-5代码# -*- coding: utf-8 -*-"""Created on Tue Mar 6 19:45:01 2018@author: yuyangyg"""import kerasfrom keras.datasets import mnist(x_train, y_train), (x_test, y_test) = mnist.load_

转载 [keras]1.多层感知机实现

“` 创建于星期二星期六14:42:13 2018 @author：yuyangyg“”“＃baseline MLP for mnist dataset import numpy from keras.datasets import mnist from keras.models import从keras.layers导入序列从keras.layers进口密度从keras.utils进口退出进口...

原创 学习资源

优化理论从瞎子爬山到优化方法 袁亚湘 稀疏优化 印卧涛 最优化方法GPUGPU并行计算和CUDA程序开发及优化

原创 L-R算法去模糊

L−RL-R算法起源于极大似然，图像是用泊松统计建模的。当下面这个迭代收敛时，模型极大似然得到令人满意方程式：f^k+1(x,y)=f^k(x,y)[−x,−y]⨂g(x,y)h(x,y)⨂f^k(x,y)\hat{f}_{k+1}(x,y)=\hat{f}_k(x,y)[-x,-y]\bigotimes \frac{g(x,y)}{h(x,y)\bigotimes \hat{f}_k(x,y)}

原创 约束最小二乘方滤波去模糊

维纳滤波要求未退化图像和噪声功率谱已知。实际情景没有这么多先验知识。约束最小二乘滤波仅要求噪声方差和均值的知识。 g=Hf+ηg=Hf+\eta 假设g(x,y)的大小为M×NM\times N,g(x,y)g(x,y)第一行的图像元素构成向量gg的第一组NN个元素，第二行构成下一组NN个元素，结果向量MN×1MN\times 1维，矩阵HH有MN×MNMN\times MN维，这样转换增加了H

原创 基于最小均方差（维纳）滤波的图像去模糊

逆滤波容易受到噪声的影响。最小均方差滤波，该方法建立在图像和噪声都是随机变量的基础上，找出未污染图像ff的一个估计f^\hat{f},使他们之间的均方误差最小。e2=E{(f−f^)2}e^2=E\{(f-\hat{f})^2\} 假设噪声和图像不相关，其中一个或另一个有零均值，且估计中的灰度级是退化图像中灰度级的线性函数。误差函数的最小值在频率域表示： F^(u,v)=[H∗(u,v)Sf(

原创 基于逆滤波的图像去模糊

假设图像产生了均匀运动模糊，图像在f(x,y)f(x,y)平面运动,x0(t)x_0(t)和y0(t)y_0(t)分别表示在xx和yy方向上随时间变化分量，设TT为曝光时间,则频域退化函数：H(u,v)=∫T0e−j2π[ux0(t)+vy0(t)]dtH(u,v)=\int_{0}^{T}e^{-j2\pi [ux_0(t)+vy_0(t)]}dt 频域乘积：G(u,v)=H(u,v)F(u,v

原创 模糊图像退化与去模糊的数学模型

一 图像退化模型 建立图像的退化模型即是将图像的降质的机理用数学的方式描述出来，这也是图像去模糊成功的重要因素。通常来说，图像的退化可以概括为初始的输入图像f(x,y)f(x,y)，经过退化函数k(x,y)k(x,y)作用后，再附加上随机噪声n(x,y)n(x,y)，最后输出为模糊图像g(x,y)g(x,y)。 用数学形式描述为：g(x,y)=k(x,y)⨂f(x,y)+n(x,y)g(x,y)

原创 matlab常用函数

size()size()获取矩阵的行数或列数 s=size(A)s=size(A), 当只有一个输出参数时，返回一个行向量，该行向量的第一个元素时矩阵的行数，第二个元素是矩阵的列数。 [r,c]=size(A),[r,c]=size(A), 当有两个输出参数时，sizesize函数将矩阵的行数返回到第一个输出变量r，将矩阵的列数返回到第二个输出变量cc。 size(A,n)size(A,n)

转载 超拉普拉斯先验非盲去模糊--Fast Image Deconvolution using Hyper-Laplacian Priors

1.基本知识 1.1拉普拉斯分布与超拉普拉斯分布 在在概率论与统计学中，拉普拉斯分布是以皮埃尔-西蒙•拉普拉斯的名字命名的一种连续概率分布。由于它可以看作是两个不同位置的指数分布背靠背拼接在一起，所以它也叫作双指数分布。两个相互独立同概率分布指数随机变量之间的差别是按照指数分布的随机时间布朗运动，所以它遵循拉普拉斯分布。 拉普拉斯分布概率密度函数分布为：

原创 向量和矩阵范数

转载 heavy-tailed distribution And log-laplace distribution

http://www.cnblogs.com/huangshiyu13/p/6217180.htmlZipf分布是一种符合长尾的分布：  就是指尾巴很长的分布。那么尾巴很长很厚的分布有什么特殊的呢？有两方面：一方面，这种分布会使得你的采样不准，估值不准，因为尾部占了很大部分。另一方面，尾部的数据少，人们对它的了解就少，那么如果它是有害的，那么它的破坏力就

转载 双边滤波和冲击滤波

http://blog.chinaaet.com/helimin/p/5100018184function B = bfilter2(A,w,sigma) %A为给定图像，归一化到[0,1]的double矩阵 %W为双边滤波器（核）的边长/2 %定义域方差σd记为SIGMA(1),值域方差σr记为SIGMA(2) % This function implements 2-D

原创 VTK学习（十六）三角剖分

三角剖分是一种应用广泛的面重建技术。将散乱的点云数据剖分为一系列的三角网格。最常用的三角剖分技术具有许多优良的性质，Delaunay三角剖分无论从哪个区域开始构建，最终生成的三角网格是唯一的。    VTK的vtkDelaunay2D类实现了二维的三角剖分。该类的输入数据为一个vtkPointSet或其子类表示的三维空间点集，输入为vtkPolyData数据。unsigned int gr

原创 VTK问题求解答：Reading file version: 4.2 with older reader version 4

#include "vtkAutoInit.h" VTK_MODULE_INIT(vtkRenderingOpenGL2); // VTK was built with vtkRenderingOpenGL2VTK_MODULE_INIT(vtkInteractionStyle);#include #include #include #include #include #inclu

原创 VTK学习（十五）封闭性检测

#include "vtkAutoInit.h" VTK_MODULE_INIT(vtkRenderingOpenGL2); // VTK was built with vtkRenderingOpenGL2VTK_MODULE_INIT(vtkInteractionStyle);#include #include #include #include #include #incl

原创 VTK学习（十四）基本图形操作

/*编程环境VS2013+VTK7.1，By yyy 2017.11.14*/#include "vtkAutoInit.h" VTK_MODULE_INIT(vtkRenderingOpenGL2); // VTK was built with vtkRenderingOpenGL2VTK_MODULE_INIT(vtkInteractionStyle);#include #i

原创 VTK学习（十三）图形渲染管线

#include "vtkAutoInit.h" VTK_MODULE_INIT(vtkRenderingOpenGL2); // VTK was built with vtkRenderingOpenGL2VTK_MODULE_INIT(vtkInteractionStyle);#include #include #include #include #include #inclu

转载 VTK学习（十二）图像切面提取

/*编程环境VS2013+VTK7.1，By yyy 2017.11.13*/#include "vtkAutoInit.h" VTK_MODULE_INIT(vtkRenderingOpenGL2); // VTK was built with vtkRenderingOpenGL2VTK_MODULE_INIT(vtkInteractionStyle);#include #i