循环神经网络分类（1）RNN（2）LSTMRNN循环神经网络为什么需要RNN之前的DNN和CNN中，训练样本的输入和输出是比较的确定的。但是有一类问题DNN和CNN不好解决，就是训练样本输入是连续的序列,且序列的长短不一。且某些任务需要能够更好的处理序列的信息，即前面的输入和后面的输入是有关系的。举例来说：当我们在理解一句话意思时，孤立的理解这句话的每个词是不够的，我们需要...

1.ICCV 全称是International Comference on Computer Vision，每两年举行一次，与ECCV正好错开，是计算机视觉领域最高级别的会议，会议的论文集代表了计算机视觉领域最新的发展方向和水平。会议的收录率一般在20%左右，其中4%左右因口头报告被收录。该会议由美国电气和电子工程师学会（IEEE，Institute of Electrical &

模式识别、计算机视觉领域期刊 (1)pattern recognition letters, 从投稿到发表，一年半时间(2)Pattern recognition 不好中，时间长(3)IEICE Transactions on Information and Systems， 作者中有一个必须是会员。收费高，审稿快。影响因子0.4(4)International Journal of Patter

模式识别、计算机视觉领域期刊 (1)pattern recognition letters, 从投稿到发表，一年半时间(2)Pattern recognition 不好中，时间长(3)IEICE Transactions on Information and Systems， 作者中有一个必须是会员。收费高，审稿快。影响因子0.4(4)International Journal of Patter

目录摘要代码和效果原始图像模糊图像围绕X轴垂直翻转围绕Y轴水平翻转垂直或水平和垂直翻转交换行和列来转置裁剪RandomGamma随机旋转90度随机应用仿射变换：平移，缩放和旋转输入裁剪输入的中心部分网格失真弹性变换图像上随机排列的网格单元随机更改输入图像的色相，饱和度和值垫图像的一面/如果一面小于所需数目，则为最大值为输入RGB图像的每个通道随机移动值使用具有随机核大小的高斯滤波器对输入图像进行模

Table of Contents深度学习相关的目标检测方法也可以大致分为两派发展历程基于区域提名的R-CNN家族对比总括R-CNN（2014）SPP-NetFast R-CNN（2015）Faster-RCNNYolo：you only look onceSSD: Single Shot MultiBox DetectorYoloV2, Yolo9000...

Table of Contents深度学习相关的目标检测方法也可以大致分为两派发展历程基于区域提名的R-CNN家族对比总括R-CNN（2014）SPP-NetFast R-CNN（2015）Faster-RCNNYolo：you only look onceSSD: Single Shot MultiBox DetectorYoloV2, Yolo9000...

摘要在深度学习的分类任务中，对模型的评估或测试时需要计算其在验证集或测试集上的预测精度（prediction/accuracy）、召回率（recall）和F1值。本文首先简要介绍如何计算精度、召回率和F1值，其次给出python编写的模块，可直接将该模块导入在自己的项目中，最后给出这个模块的实际使用效果。混淆矩阵及P、R、F1计算原理混淆矩阵进行二分类或多分类任务中，对于预测的评估经常需要构建一个

目录摘要代码和效果原始图像模糊图像围绕X轴垂直翻转围绕Y轴水平翻转垂直或水平和垂直翻转交换行和列来转置裁剪RandomGamma随机旋转90度随机应用仿射变换：平移，缩放和旋转输入裁剪输入的中心部分网格失真弹性变换图像上随机排列的网格单元随机更改输入图像的色相，饱和度和值垫图像的一面/如果一面小于所需数目，则为最大值为输入RGB图像的每个通道随机移动值使用具有随机核大小的高斯滤波器对输入图像进行模

人脸检测（ Face Detection ）和人脸识别技术是深度学习的重要应用之一。本章首先会介绍MTCNN算法的原理， 它是基于卷积神经网络的一种高精度的实时人脸检测和对齐技术。接着，还会介绍如何利用深度卷积网络提取人脸特征， 以及如何利用提取的特征进行人脸识别。最后会介绍如何在TensorFlow 中实践上述算法。1 MTCNN 的原理搭建人脸识别系统的第一步是人脸检测，也就是在图片中...