deeplearning-cv-notes
deeplearning-cv-notes copied to clipboard
jayboxyz
:notebook: deepleaning and cv notes.
## Python 科学计算库 - [AI基础：Numpy简易入门](https://mp.weixin.qq.com/s?__biz=MzIwODI2NDkxNQ==&mid=2247486697&idx=1&sn=9343d813d4379f2cd9eaf5b9f13385d1&chksm=97048755a0730e43d9858b31337fb08e4f5ce7f9c95aaf808f04c4660c272c58e11ab981e7e8&scene=21#wechat_redirect) - [AI基础：Pandas简易入门](https://mp.weixin.qq.com/s?__biz=MzIwODI2NDkxNQ==&mid=2247486708&idx=2&sn=d55ac128df73ddd3409e353d9b1bfc82&chksm=97048748a0730e5e366684eee7759ef19337d6ceee45aed8ef347943206b3b9e4a482a4d56cb&scene=21#wechat_redirect) - [AI 基础：Scipy（科学计算库） 简易入门](https://mp.weixin.qq.com/s?__biz=MzIwODI2NDkxNQ==&mid=2247486785&idx=3&sn=d25202f3ca1975143e6b9f92b70cee03&chksm=970486fda0730feb697aca7ca86afb614d71fa4aef6d9130a7377445bc864e0aebf4f32b5504&scene=21#wechat_redirect) - [AI基础：数据可视化简易入门（Matplotlib 和 Seaborn）](https://mp.weixin.qq.com/s?__biz=MzIwODI2NDkxNQ==&mid=2247486749&idx=2&sn=e438162b0bc49d66a6ec615a7dd65d57&chksm=970486a1a0730fb761c828606553eab738d0500088b30dd8ccd9adbe42317bcafb514403f478&scene=21#wechat_redirect)
## 学习参考： ### Python 入门 - [AI 基础：Python 简易入门](https://mp.weixin.qq.com/s/s4OnzNtzJ9ip35BJ2HYH5Q) 【荐】
# [【AI不惑境】深度学习中的多尺度模型设计](https://mp.weixin.qq.com/s/DwEiqC85sFX8WUfSxf40cg) 【荐】 ## 1、什么是多尺度 ### 1.1 什么是多尺度 所谓多尺度，实际上就是对信号的不同粒度的采样，通常在不同的尺度下我们可以观察到不同的特征，从而完成不同的任务。  如上两个图是同样的一维信号在不同采样频率下的结果，这是一条精度曲线。通常来说粒度更小/更密集的采样可以看到更多的细节，粒度更大/更稀疏的采样可以看到整体的趋势，不过此处由于使用了不同的颜色，曲线本身也存在较大的波动，所以粒度更小的右图反而能更直观的看到各个曲线的整体性能比较结果。 ### 1.2 图像金字塔 很多时候多尺度的信号实际上已经包含了不同的特征，为了获取更加强大的特征表达，在传统图像处理算法中，有一个很重要的概念，即图像金字塔和高斯金字塔。 图像金字塔，即一组不同分辨率的图像，如下图，  采样的方式可以是不重叠或者重叠的，如果是不重叠的，采样尺度因子为2，那就是每增加一层，行列分辨率为原来的1/2。 当然，为了满足采样定理，每一个采样层还需要配合平滑滤波器，因此更常用的就是高斯金字塔，每一层内用了不同的平滑参数，在经典的图像算子SIFT中被使用。  不过这不是本文要聚焦的内容，请大家去自行了解尺度空间理论，接下来聚焦深度学习中的多尺度模型设计。 ## 2、计算机视觉中的多尺度模型架构 卷积神经网络通过逐层抽象的方式来提取目标的特征，其中一个重要的概念就是感受野。如果感受野太小，则只能观察到局部的特征，如果感受野太大，则获取了过多的无效信息，因此研究人员一直都在设计各种各样的多尺度模型架构，主要是图像金字塔和特征金字塔两种方案，但是具体的网络结构可以分为以下几种：(1) 多尺度输入。(2) 多尺度特征融合。(3) 多尺度特征预测融合。(4) 以上方法的组合。 ### 2.1...
—— From：[关于图像分类中类别不平衡那些事](https://mp.weixin.qq.com/s/a57oy26UvLFNj4T8_pddCQ) 
windows 下查看安装的 cuda 版： 方法1：进入 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA 即可看到。 方法2：CMD 下输入 `nvcc --version` 可查看到。
