AI算法落地的一点粗浅思考。 同时发现了一个很好的git库。
Docker安装Caffe
发表于
更新于
本文字数: 17k 阅读时长 ≈ 15 分钟
本文字数: 17k 阅读时长 ≈ 15 分钟
先安装以下软件:cuda
, cudnn
, openblas
, protobuf
, glog
, gflags
, hdf5
, snappy
, leveldb
, boost(+python)
, opencv(+python)
,doxygen
,lmdb
;
由于华为云提供包含cuda
和cudnn
的docker
镜像,所以不用安装这两个。同时由于不能改变镜像中的/usr
文件夹,所以最好不要通过apt
安装以上依赖库。(华为云提供docker
时的要求,否则用apt
安装是最方便、最好的!!!)
对L2正则化、BN层的思考
发表于
更新于
本文字数: 1.8k 阅读时长 ≈ 2 分钟
本文字数: 1.8k 阅读时长 ≈ 2 分钟
对BN
层对网络卷积层权重L2
正则化的影响、BN
层的gamma项正则化作用、卷积层权重L2
正则化的作用、如何更好的调整L2
正则项权重、学习率、gamma项权重等超参 等问题的思考。
GHM论文理解及实现
发表于
更新于
本文字数: 7k 阅读时长 ≈ 6 分钟
本文字数: 7k 阅读时长 ≈ 6 分钟
原论文:Gradient Harmonized Single-stage Detector
本文主要基于tf.keras
讨论分类部分,论文也提出了适用于检测的方法。
实验表明具有一定效果,可以尝试,感觉比focal loss要好用。
车牌识别AI技术的思考
发表于
更新于
本文字数: 1.4k 阅读时长 ≈ 1 分钟
本文字数: 1.4k 阅读时长 ≈ 1 分钟
车辆牌照的识别是基于图像分割和图像识别理论,对含有车辆号牌的图像进行分析处理,从而确定牌照在图像中的位置,并进一步提取和识别出文本字符。
识别步骤概括为:车牌定位、车牌提取、字符识别。三个步骤相辅相成,各自的有效性都较高,整体的识别率才会提高。