transformer学习和visual transformer学习

PS. 由于本人工作上事情较多，有关于Haar分类器用于人脸检测的学习，已经初步学习并了解原理与过程。但是暂时没有时间来整理所有知识点的博客。下面将着重介绍一下几个步骤，然后推荐一些博客。并附上用haar+级联分类器的方法，opencv+python的实现，用于人脸检测。后期有空了再补上详细原理步骤！！！！！！一、haar分类器用于人脸检测的几个关键点：1. Haar-like 特征2. Haar

目录1 总体思想2Gamma变换（图像预处理）3 HOG特征详细解释4 SVM原理简介5 opencv+python代码实现1 总体思想众所周知，机器学习一般分为算法训练过程，和预测过程，下面就简单描述总体训练和预测思想：1.1 模型训练过程（1）准备一堆训练集，训练集是 “有行人” 和 “没有行人” 的正负样本图（我们设定统一64x128大小），分别若干张。如图所示，比如：这是“行人”的正样本图

1. 简介角点：个人理解就是图像中，带角的那些点（也不一定是尖锐的，导数为0的极值点也行）。它通常具有旋转不变性和光照不变性和视角不变性等优点，是图像的重要特征之一。他具有如下特点：2. 算法整体思想：算法的核心是利用局部窗口在图像上进行移动，判断灰度是否发生较大的变化。如果窗口内的灰度值（在梯度图上）都有较大的变化，那么这个窗口所在区域就存在角点。这样就可以将 Harris 角点检测算法分为以下

PS.该贴为记录矩阵分解的一点学习笔记。以后会慢慢优化。目前该帖子有点凌乱，但是逻辑基本上没有遗漏。至于公式原理我个人也还在熟悉当中.........目录1 矩阵分解简介2 隐语义模型4 矩阵分解的求解和basic SVD5 python实现1 矩阵分解简介协同过滤算法的特点就是完全没有利用到物品本身或者是用户自身的属性， 仅仅利用了用户与物品的交互信息就可以实现推荐，是一个可解释性很强， 非常直

目录1 协同过滤简介2 几种相似性度量的方法3 基于用户的协同过滤4 基于物品的协同过滤5 协同过滤算法评估6 协同过滤的权重改进7 协同过滤一些问题思考0 推荐算法简介及评估参考我的上一篇学习笔记：推荐系统--常见评估指标--学习笔记1 协同过滤简介协同过滤（Collaborative Filtering）：是最经典、最常用的推荐算法，是推荐系统入门的算法。所谓协同过滤， 基本思想是根据用户之前

自行百度vs-code的安装，扩展中把中文，以及C/C++装上，也把cmake和cmake tool装上吧。网络不好或者不好安装的可以单独把.vsix下载了，用ctrl+shift+p打开Extension：Install from VSIX安装这链接里边把cmake3.20下载了。比如我是下的：cmake-3.20.1-windows-x86_64.msi ，然后安装到D盘。然后把。然后cmd中

图像分割，mask-RCNN

（PS：因时间关系，本文是口水话，很少公式。需要一定神经网络知识的小伙伴才看的懂哦。如有不对，请批评指正）好啦，戏太多，下面进入正题------------------------------>1. 众所周知，神经网络中的激活函数，很多都是用的S型函数。（sigmiod函数）2. 当神经网络层次够深的时候，更新权重，也许会出现梯度消失！！！原因如下：1 神经网络用的是梯度...

自行百度vs-code的安装，扩展中把中文，以及C/C++装上，也把cmake和cmake tool装上吧。网络不好或者不好安装的可以单独把.vsix下载了，用ctrl+shift+p打开Extension：Install from VSIX安装这链接里边把cmake3.20下载了。比如我是下的：cmake-3.20.1-windows-x86_64.msi ，然后安装到D盘。然后把。然后cmd中