月度归档:2018年01月

深度学习之目标检测-YOLO算法(二)

上文我们介绍了目标检测和目标定位的基础知识,本文我们就正式开始介绍YOLO算法。YOLO全称是You Only Look Once,这个算法来源于Joseph Redmon等人在CVPR 2015上发表的一篇论文:You Only Look Once: Unified, Real-Time Object Detection,它不仅解决了目标边界框不精确的问题,而且算法速度也很快,下面让我们看看它是如何实现的。

基本思路

YOLO的基本思路是,把一个大的图像分割成更小更精细的n等份的网格,然后每个网格都打上标签,这个格子内是否有目标,目标的位置以及目标所属类别。为了简单起见,我们以\(3 \times 3\)的网格为例,实际使用中的表格会更精细,比如\(19 \times 19\),它们的示意图如下:

Imgur

这样一来输出层的大小就是\(3 \times 3 \times 8\)或者\(19 \times 19 \times 8\)。值得注意的是,YOLO算法是一个卷积实现,所以它的速度非常快,基本可以做到实时检测。还有一个小细节是,在计算每个格子中目标的位置时,我们不再以整张图标作为参考[……]

继续阅读

深度学习之目标检测-YOLO算法(一)

今天我们开始介绍Coursera-Deep Learning第四课卷积神经网络的week3的内容:目标检测,主要内容是YOLO算法。在详细介绍这个算法之前我们先普及一些目标检测的基本知识。

目标定位(Localization)

所谓的检测(Detection)指的是从一张图片中识别出是否存在某个目标,而目标定位(Localization)指的是在识别目标的同时,输出它在图像中的位置。我们知道使用神经网络进行目标检测是很容易的,那么如何进行目标定位呢?很简单,跟目标检测一样,我们不仅可以对图像内容打标签,还可以对它所在的位置打标签,然后通过神经网络训练,定位目标。所以,一个完整的Object Detection应该包括Detection和Localization两部分,结合起来后我们得到以下的label \(y\):

$$
y=\begin{bmatrix}
p_c\\
b_x\\
b_y\\
b_h\\
b_w\\
c_1\\
c_2\\
c_3
\end{bmatrix}
$$

其中,

  • \(p_c\)表示的是否有目标,0没有;1有
  • \(b_x\)和\(b_y\)表示该目[……]

    继续阅读

卷积神经网络模型

本文我们开始介绍Coursera-Deep Learning第四课卷积神经网络的week2的内容:深度卷积神经网络模型

上文我们介绍了卷积神经网络的基本原理,但那只是最基本的模型,在此基础上又诞生了很多变种,它们在性能上都比最基本的模型要好,当然也更复杂。今天我们就介绍一些常见的卷积神经网络模型,主要有以下几种:LeNet-5, AlexNet, VGG-16, ResNet(残差网络)和Inception,其中前三者属于经典模型。

  • LeNet-5

    LeNet-5这个模型是由深度学习大神Yann LeCun于1998年在其发表一篇名为Gradient-Based Learning Applied to Document Recognition的论文中被首次提出的,可以说LeCun大神是CNN的开山鼻祖了,也有人称之为卷积网络之父。LeNet-5的名字就取自于LeCun,而5表示这个模型一共有5层,分别是两个卷积层和两个全连接层,还有一个输出层用于分类。他的结构如下:

    Imgur
    他有什么特点呢?

    • 输入图像只有单通道,也就是黑白图片
    • 没有采用padding技术,所以卷积的图[……]

      继续阅读

卷积神经网络

从本文开始我将会总结Coursera-Deep Learning第四课的内容:Convolutional Neural Networks,卷积神经网络。

引言

先看下这门课的大纲,分为以下四个部分:

  • Week1: Foundations of Convolutional Neural Networks
  • Week2: Deep convolutional models: Case Studies
  • Week3: Object detection
  • Week4: Special applications: Face recognition & Neural style transfer

看了大纲之后,与其说这门课讲的是卷积神经网络,不如说是在讲深度学习在计算机视觉(Computer Vision)中的应用。因为CNN的知识并没有那么多,一周时间的讲解就足够了。而后面的三周课则会先介绍几个当下比较流行的卷积神经网络模型,比如AlexNet,VGG,ResNet等。最后两周则会介绍如何通过一些高效算法去实现目标检测(Object Detection)和人脸识别(Face[……]

继续阅读

结构化机器学习项目

今天总结下:Coursera-Deep Learning-Course3-Structuring Machine Learning Projects的内容,因为这节课里面有好多概念性的东西,不是很实用,因此跳过了很多。

Mismatched Data Distribution Problem

我们在之前的文章里说到dev和test set的data distribution必须一样,这里说的Mismatched Data Distribution,指的是training set和dev/test的数据来源(data distribution)不一样,而以下讨论的几个问题都是基于这个假设的。
先来看一个很常见的应用:

开发一个供用户在手机端使用的识别猫的服务,也就是用户通过手机上传猫的图片到服务器,然后通过训练好的模型来判定这张图片是否是一只猫。

这是一个很普通的应用,但它却存在一个问题:我们在训练时不可能获得大量的来自于用户自己上传的图片数据(移动端),所以这些训练数据只能通过爬虫从网上下载。这样一来,就导致了training set和dev/test的来源不一致的问题[……]

继续阅读