月度归档：2018年01月

深度学习之目标检测-YOLO算法（二）

发表评论

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）

发表评论

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

发表评论

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

发表评论

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

发表评论

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