学文の博客🥝

以前的图像识别技术 早期图片识别技术 根据距离思想 特征提取 索引技术 相关反馈 显式反馈：通过正例负例来判断 隐式反馈：通过用户行为习惯来判断 重排序 全局特征提取：全局特征丢失图片细节，例如整张图片都是红色，他就会搜索所有红色图片，不论图中显示的对象类别 中期图片识别技术 根据视觉词袋思想 特征提取 向量化 局部特征转变为视觉关键字，查找视觉词典里最近的关键字，把局部特征向量转变为视觉字典的一个序号 索引技术 后处理 局部特征提取：利用词袋库强调细节信息 经典CNN 卷积神经网络具有卷积计算，前向反馈，局部感知，权值共享 早期尝试 LeNet：5层，使用MNIST数据集，最早用于手写数字的CNN 历史突破 AlexNet 发展和演化 网络层数加深：VGGNet 增强卷积模块功能：NIN，GoogleNet，Inception V3，V4 增加新的功能单元：Inception V2，BN 融合：ResNet AlexNet 网络： 在两个GPU上运行，分成两组，8层 卷积层1： 卷积核大小11×11，数量48个，步长4 激 ...

过拟合和欠拟合 数据简单 数据复杂 模型容量低 正常 欠拟合 模型容量高 过拟合 正常

LoveDA（武汉大学，2021 年 10 月） 原始数据集详情 Key Value 卫星类型 未知 覆盖区域 南京、常州、武汉 场景 城市、农村 分辨率 0.3m 数量 5987张 单张尺寸 1024*1024 原始影像位深 24位 标签图片位深 8位 原始影像通道数 三通道 标签图片通道数 单通道 数据集下载地址 百度网盘 : 27vc 标签类别 序号 类别名（英文） 类别名（中文） 1 background 背景 2 building 建筑 3 road 道路 4 water 水体 5 barren 裸土 6 forest 林地 7 agriculture 耕地 0 no-data 无效值（使用时应被忽略） 图像 Vaihingen Key Value 卫星类型 未知 覆盖区域 德国的一个不知名的，相对较小的村庄，有许多独立的建筑和小的多层建筑 场景 城市 分辨率 5cm 数量 38张 单张尺寸 6000*6000 原始影像位深 8位 ...

深度学习 机器学习、深度学习和计算机视觉是互相关联的概念，它们在人工智能领域具有重要地位。 首先，机器学习是一种人工智能领域的技术，它致力于设计和开发能够自动学习的算法和模型。通过从大量数据中学习和找出规律，机器学习使得计算机能够识别模式、预测结果和做出决策。 深度学习是机器学习的一个分支，它模仿人脑神经网络的结构和工作原理，通过构建深层次的神经网络来提取高级抽象特征并进行学习。深度学习的关键是深度神经网络，这种网络结构能够通过多层非线性变换来学习和表示复杂的数据特征。 计算机视觉是利用计算机和机器学习的方法来实现对图像和视频的理解和分析。计算机视觉旨在使计算机能够“看”和“理解”图像或视频内容。深度学习在计算机视觉领域具有广泛应用，通过深度神经网络进行图像识别、目标检测、图像分割等任务，大大提高了计算机视觉的准确度和效果。 因此，机器学习是一个广泛的概念，深度学习是机器学习的一种方法，而计算机视觉则是应用了机器学习和深度学习技术的一个具体领域。它们相互关联，在人工智能的发展中扮演着重要的角色。 深度学习应用领域 图片分类 物体检测和分割 样式迁移 人脸合成 文字生成图片 文字生成 ...

线性回归 应用案例：美国买房 房价预测：系统估价，买入价 成交价是关键因素的加权和： $$ y=w_1x_1+w_2x_2+w_3x_3+b $$ w1,w2,w3是权重，b是偏差，权重和偏差的实际值在后面决定 给定n维输入 $$ x=[x_1,x_2,…,x_n]^{T} $$ 线性模型有一个n维权重和一个标量偏差 $$ w=[w_1,w_2,…,w_n]^T,b $$ 输入是输出的加权和 $$ y=w_1x_1+w_2x_2+…+w_nx_n+b $$ 向量版本：$y=< w,x >+b$ 线性模型可以看作是单层神经网络 比较真实值和预估值，例如房屋的售价和估价 假设y是真实值，$/hat(y)$是估计值，我们可以比较 $$ \ell(y,\hat{y})=\frac{1}{2}(y-\hat{y})^2 $$ 这个叫做平方损失 训练数据 收集一些数据点来决定参数值（权重和偏差），这些数据被称为训练数据，通常越多越好 假如我们有n个样本，记 $$ X=[x_1,x_2,…,x_n]^T \quad Y=[y_1,y_2,…,y_n]^T $$ 参数学习 训 ...

线性回归的从零开始实现 我们将从零开始整个方法，包括数据流水线、模型、损失函数和小批量随机梯度下降优化器 1234567import randomimport torchfrom d2l import torch as d2l# 根据带有噪声的线性模型构造一个人造数据集。我们使用的模型参数有# 权重w=[2,-3.4]T 、 偏差b=4.2 和噪声项c生成的数据集及其标签# y=wX+b+c X是随机数，是标准正态分布 数据流水线，数据集 权重：输入值的重要性，输入值和权重相乘送到下一层神经网络，权重的调节可以使用反向传播算法实现。 偏差：输出的偏移量，它是不变的，通常为常数。 噪声：是指随机的、不可预测的数据误差。 123456789101112131415161718192021222324# 制作含有噪声的数据集def synthetic_data(w, b, num_examples): """生成 y = wX + b + 噪声。""" X = torch.normal(0, 1, (num ...