通過今天的學習總算對知識圖譜有了一點理解。
感覺和影象識別是非常的相似，對名詞進行標註，製作資料集，通過演算法訓練資料集，一般將字或詞通過工具，對映為300維的向量，來進行卷積神經網路的輸入訓練，而後不斷對比資料集標註，計算損失，調整權重，提高準確率，最終生成乙個不錯的模型，結合演算法，讀入一段文字時，就可以準確的抓出關鍵字並給出類別。
大概現在就理解到這種程度，後面我會繼續努力。
其實學到這裡我是對知識圖譜有點抗拒了，還是大量的需要資料集的標註，很枯燥體力活，而且知識圖譜沒有標註工具，純找然後規則的寫出位置類別等資訊，還不如影象識別，起碼是影象，而且有大量的標註工具，也比文字好點，有趣一點，也不知道那個熱門一點。
畢業設計需要的部落格
一 值得一看的他人部落格 影象處理例項 基於分水嶺分割進行肺癌判斷 opencv 影象分割中的分水嶺演算法原理與應用 小波變換 小波閾值去噪 opencv 自學筆記33.計算影象的均值 標準差和平均梯度 opencv 一種不均勻光照的補償方法 python opencv 去除影象光照不均勻 影象處理...
畢業設計第4 5周
一 感測器採集訊號的三個點位1.手腕 2.腰部 3.腳腕 二 資料庫原始資料的收集 1.靜止 2.走路 3.跑步 三種原始狀態資料的收集。收集放入庫中 三 原始資料預處理對原始資料按每5個點資料進行等點分段，對每一段內的加速度值取峰值然後繪製折線圖，再平滑處理。作為原始庫資料進行與實際資料進行對比。...
畢業設計周記2
前面介紹了安裝fcos，開始訓練驗證。fcos的原始碼分析放在後面。conda activate pytorch cd 工程目錄下 python demo fcos demo.py 然後出現正確輸出檢測影象，部分如下 根據官網資訊，fcos imprv r 50 fpn 1x.pth模型的ap在38...