hans

hans

Machine Learning

【Machine Learning】【Python】选择最优参数(Decision Tree, Random Forest, Adaboost, GBDT)
github 地址: https://github.com/HansRen1024/Image-Pre-Classification/tree/master 之前训练 SVM 用了 PSO 太慢了。 这次比较幸运看到一篇关于调参的博客。 给了很大启发。 地址: http:…
【Machine Learning】【Python】提取直方图特征做图片预分类(Decision Tree, Random Forest, Adaboost)
github 地址: https://github.com/HansRen1024/Image-Pre-Classification 想法是在卷积神经网络分类图片之前先进行一次预分类,二分类就好,判断当前图片是否包含我要分类的物品。 因为只要你丢一张图片进卷积神经网络…
【Machine Learning】【Python】六、Edge Boxes + SVM + NMS for Localization ---- 《SVM物体分类和定位检测》
总觉得 SW 效果不好,就尝试用了下 EdgeBoxes,速度提升一点点,不明显,平均 1.1 帧吧。但是框出物体的稳定程度和框正物体的准确率高很多,误检测相对也少了。 ** 最新代码地址 GitHub: ** https://github.com/HansRen1024…
【Machine Learning】【Python】五、Sliding Window + SVM + NMS for Localization ---- 《SVM物体分类和定位检测》
建议用后面 EdgeBoxes 做边框预测,比 SW 快一点准一点。如果大家感兴趣,也建议用 faster rcnn SPN 层中的 anchor 技术。 《 SVM 物体分类和定位检测》这一系列博文结束了。 总结一下我用着最好的方法流程吧。 先 HoG 提取特征…
【Machine Learning】【Python】四、Hard Negative Mining优化训练SVM模型 ---- 《SVM物体分类和定位检测》
** 最新代码 Github 地址: ** https://github.com/HansRen1024/SVM-classification-localization 通过 PSO 优化参数,训练好的模型准确率提升了 4% 左右。还不满足预期目标。所以又尝试通过…
【Machine Learning】【Python】三、PSO + PCA优化SVM参数C和gamma ---- 《SVM物体分类和定位检测》
---------------------【6.27 更新 libsvm 使用方法】------------------------------------------------------------------- 先去 github 下载解压到随便哪个目录中: http…
【Machine Learning】【Python】二、HoG + PCA + SVM 物体分类 ---- 《SVM物体分类和定位检测》
** 最新代码 Github 地址: ** https://github.com/HansRen1024/SVM-classification-localization 当初想当然的以为通过 PCA 降维并提取排名考前的特征可以提高分类效果,结果是我错了…
【Machine Learning】【Python】一、HoG + SVM 物体分类 ---- 《SVM物体分类和定位检测》
----------【2018.09.07 更新】--- 如果你看到了这篇文章,并且从 github 下载了代码想走一遍整个流程。我强烈建议你把《SVM 物体分类和定位检测》这一系列的 6 篇文章都仔细看一遍。内容不多,但会对你理解算法和代码有很大的帮助。 ----------…
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover

【Machine Learning】【Math】常用定义备忘录(线性代数、概率论、统计学)

不断学习大量新知识,有些内容掌握的快,遗忘的也快。所以弄个备忘录,方便快速查看。 【2017.6.14 开始记录】----------------------------------------------------------------------------------…
此部落格數據所有權由區塊鏈加密技術和智能合約保障僅歸創作者所有。