ZihuaWeng's Blog

Be the one to join revolutionizing healthcare with machine learning.

python web sever--nginx

nginx解析

开发后的flask项目部署在线上服务器时，可以用以下的一个流程今天先记录什么是nginx。 nginx是一个http的sever，客户端通过http传过来的请求，传入nginx后，转发给WSGI HTTP server（gunicorn）在传给Python APP。在开发环境, 我们一般直接运行Python服务, 启动了某个端口(一般是5000端口), 然后通过该端口进行开发调试...

Posted by zihuaweng on April 12, 2018

tensorflow padding解析

卷积神经网络卷积后得到的feature map大小计算如下： W‘ = (W − F + 2P )/S + 1 W’：out_h,w W：in_h, w F: filter大小 P: padding大小 S：stride padding的方式在tensorflow里分两种，一种是VALID，一种是SAME. SAME padding SAME会自动加入pad...

Posted by zihuaweng on April 9, 2018

faster rcnn 源码解读（全）

对py-faster-rnn，caffe实践代码的全部解读

这篇博客主要想记录一下学习Ross Girshick大神的py-faster-rcnn源码的笔记，方便以后翻看。博主项目里只用tensorflow,无奈很多好的模型都用caffe，加上caffe确实比tensorflow好读懂，所以顺带学一遍caffe，顺便学习贾大神写的caffe c++源码。 faster rcnn结构还是比较复杂的，下面开始解读一下源码：训练过程概况：由t...

Posted by zihuaweng on April 4, 2018

损失函数汇总及tensorflow实践

激活函数 sigmoid和softmax函数的存在是将计算的logit转化为概率p。sigmoid用于二分类逻辑回归，softmax用于多分类逻辑回归。 sigmoid 求导：概率p的logit是\(L=\ln\frac{p}{1-p} \)。其中\(\frac{p}{1-p}\)是odd(两者比率)，logit反过来就是\(p= \frac{1}{1+e^{-L}}\)（sigm...

Posted by zihuaweng on April 1, 2018

region_proposal算法(二)

SelectiveSearch

SelectiveSearch 算法概况解决问题：因为图像是多层次的，一张图片可能包含一个桌子，桌子上面有一个碗，碗里面有一个勺子，所以描述一张图片需要做图像分割，需要把他们都区别出来是很难的。而且我们还需在分割时保持物体的完整性，比如：能够将不同颜色的猫咪分割成一群猫咪，将红色的车身和黑色的轮胎分割成一辆完整的车。 SelectiveSearch：...

Posted by zihuaweng on December 26, 2017

多种region_proposal算法比较

概况物体检测通常的做法是选出一定数目的候选框，然后针对候选框做图像识别。候选框的选择有以下几种算法： sideing window 滑窗：传统做法是设定一些框，在图片上不断滑动，得到候选窗，所以一张图片有可能选出的候选框达\( 10^4-10^7 \)个之多。 detection proposals：由于滑窗的计算量很大，就有了detection proposals这一类算法，一...

Posted by zihuaweng on December 24, 2017

SPP_Net原理及代码实现

Object detection系列之 SPP_Net

基于Region Proposal的深度学习目标检测算法 RCNN (CVPR2014, TPAMI2015) -> SPP-NET (ECCV2014, TPAMI2015) -> Fast R-CNN(ICCV2015) -> Faster R-CNN(NIPS2015) 文中缩写 spp: spatial pyramid pooling SPP-Net 解决问题：...

Posted by zihuaweng on December 21, 2017

RCNN 原理

Object detection系列之RCNN

基于Region Proposal的深度学习目标检测算法RCNN系列 RCNN (CVPR2014, TPAMI2015) -> SPP-NET (ECCV2014, TPAMI2015) -> Fast R-CNN(ICCV2015) -> Faster R-CNN(NIPS2015) 文章中的缩写： RP -> region proposal （候选区域） GT...

Posted by zihuaweng on December 17, 2017