AI大道理 - 博客园

AI大视觉（七) | 残差网络在解决什么问题？

摘要：本文来自公众号“AI大道理” 为什么会有ResNet？神经网络叠的越深，则学习出的效果就一定会越好吗？答案无疑是否定的，人们发现当模型层数增加到某种程度，模型的效果将会不升反降。也就是说，深度模型发生了退化情况。那么，为什么会出现这种情况？按理说，当我们堆叠一个模型时，理所当然的会认阅读全文

posted @ 2021-06-22 10:16 AI大道理阅读(398) 评论(0) 推荐(0) 编辑

AI大视觉（六) | 特征金字塔（FPN）如何进行特征融合？

摘要：本文来自公众号”AI大道理“ 在深度学习的很多工作中（例如目标检测、图像分割），融合不同尺度的特征是提高性能的一个重要手段。低层特征分辨率更高，包含更多位置、细节信息，但是由于经过的卷积更少，其语义性更低，噪声更多。高层特征具有更强的语义信息，但是分辨率很低，对细节的感知能力较差。如何将两者高阅读全文

posted @ 2021-06-11 11:22 AI大道理阅读(2390) 评论(0) 推荐(0) 编辑

AI大视觉（五) | YOLOv3网络详解与代码实现

摘要：本文来自公众号“AI大道理” 在YOLOv3中继续改进，提出了一个更深的、借鉴了ResNet和的FPN的网络Darknet-53。 darknet-19 YOLO作者自己写的一个深度学习框架叫darknet，后来在YOLO9000中又提出了一个19层卷积网络作为YOLO9000的主干，称为Da 阅读全文

posted @ 2021-06-10 14:04 AI大道理阅读(733) 评论(0) 推荐(0) 编辑

AI大视觉（四) | Yolo v3 如何提高对小目标的检测效率

摘要：本文来自公众号“AI大道理” YOLO v3 是目前工业界用的非常多的目标检测的算法。 YOLO v3 没有太多的创新，主要是借鉴一些好的方案融合到 YOLO v2 里面。不过效果还是不错的，在保持速度优势的前提下，提升了预测精度，尤其是加强了对小物体的识别能力。 YOLO v3 主要的改进有阅读全文

posted @ 2021-06-09 10:28 AI大道理阅读(2002) 评论(0) 推荐(0) 编辑

AI大视觉（三） | Yolo v2的改进思想

摘要：本文来自公众号“AI大道理” YOLO v2 是 YOLO v1的进阶版，它没有彻底否定 YOLO v1，而是在 YOLO v1 的基础上，融合了很多其它论文优秀的思想做了大幅的提升。 YOLO v1 比较低的召回率和比较高的定位误差。所以，让 YOLO v1变得更好指的是保持准确率的情况下：提阅读全文

posted @ 2021-06-08 16:12 AI大道理阅读(236) 评论(0) 推荐(0) 编辑

基于Kaldi的中文在线识别系统

摘要：本文来自公众号“AI大道理”。三音子模型词错误率为：36.03%，对比单音素模型词错误率为50.58%。可见三音素模型识别率已经有了提高。不管模型识别率怎么样，先利用三音子模型搭建一个中文在线识别系统看看效果。在线识别与离线识别本文主要搭建在线语音识别，还有一种离线语音识别，两者有什阅读全文

posted @ 2021-04-22 13:21 AI大道理阅读(653) 评论(0) 推荐(1) 编辑

AI大视觉（二） | Yolo v1 为何只要看一眼就够了？

摘要：本文来自公众号“AI大道理” RCNN系列属于候选区域/窗 + 深度学习分类的两步走方法。即使是该系列最好的模型还是无法达到实时检测目标的效果，获取region proposal，再对每个proposal分类计算量还是较大。灵魂的拷问：两步走无法再进一步了，那能否一步到位？ YOLO，you 阅读全文

posted @ 2021-04-22 13:18 AI大道理阅读(281) 评论(0) 推荐(0) 编辑

init()与self

摘要：类有一个名为 __init__() 的特殊方法（构造方法），该方法在类实例化时会自动调用，像下面这样： def __init__(self): self.data = [] 类定义了 __init__() 方法，类的实例化操作会自动调用 __init__() 方法。如下实例化类 MyClass，对应阅读全文

posted @ 2021-04-19 11:18 AI大道理阅读(104) 评论(0) 推荐(0) 编辑

AIBigKaldi（十七）| Kaldi的DNN模型（源码解析）

摘要：本文来自公众号“AI大道理” 单音素模型词错误率为50.58%，三音子模型词错误率为36.03%，lda-mllt模型词错误率为32.12%，说话人自适应模型词错误率为28.41%，quick模型词错误率为27.94%。可见quick模型识别率继续有了一定的提高。能否继续优化模型？又要从哪些方面阅读全文

posted @ 2021-04-18 14:26 AI大道理阅读(597) 评论(0) 推荐(0) 编辑

AI大视觉（一) | RCNN系列

摘要：本文来自公众号“AI大道理” 目标检测不仅要用算法判断图片中是不是一只鱼，还要在图片中标记出鱼的位置，用边框把鱼框起来，这就是目标检测问题。其中“定位”的意思是判断鱼在图片中的具体位置。滑动窗口分类法（原始）（AI大视觉：撒小渔网，一个小渔网从最旁边的地方撒下去，看有没有鱼，然后移动该渔阅读全文

posted @ 2021-04-18 14:18 AI大道理阅读(197) 评论(0) 推荐(0) 编辑