摘要： 1、先尝试默认的参数进行训练2、图片数据要足够，官方建议的是超过1500张3、图像要变化（时间、角度、光线、大小、不同相机等）4、物体要标注精确，尽量做到boundingbox和物体之间没有间隙5、增加背景图片（No label），数量大概占据0~10％。这可以降低FALSE POSITIVES(F 阅读全文

摘要： 安装tensorflow-gpu=1.13.1之前一定要先创建python3.7的环境 阅读全文

摘要： 网上找了篇文章，用tensorrt自带转换工具trtexec转成engine格式的方法，网址如下： https://www.cnblogs.com/xiaoxiaomajinjiebiji/p/14451398.html 文章中举例的转换指令为： /usr/src/tensorrt/bin/trte 阅读全文

摘要： 组成部分： 1、Conv Layers:是一组基础的Conv+relu+pooling层提取image的feature maps,该feature maps共享用于后续的RPN层和全连接层。注：该conv layers 可用任意的卷积结构代替，比如resnet，inception model,dep 阅读全文

摘要： EM算法原理： EM算法一般用于无监督学习模型，因为无监督学习没有标签（即y值)，EM算法可以先给无监督学习估计一个隐状态（即标签），有了标签，算法模型就可以转换成有监督学习，这时就可以用极大似然估计法求解出模型最优参数。其中估计隐状态流程应为EM算法的E步，后面用极大似然估计为M步。 EM算法（E 阅读全文

摘要： 词袋模型 如上图所示，计算机不能直接识别文字信息，它会把上面的两句话转换成词频向量来表示，就是每组词在这个句子中出现的次数，但是它并不考虑词的先后顺序，这种模型就叫词袋模型。 上图中表示每个词的出现的数量作为向量的，就叫人词频向量 jieba分词三种模式： 1、精确模式：试图将句子精确地分开，适合文 阅读全文

摘要： 一、为什么要降维： 1、避免维数灾难，高维情况下容易产生过拟合 2、特征之间如果存在明显的相关性（也叫共线性），此时就需要降维 3、降维可以提取数据中的有效信息，去除噪音数据 4、降维可以降低数据的复杂性，减少模型的训练时间 5、可以方便对数据进行可视化处理，因为维数很高的话，无法可视化 二、PCA 阅读全文

摘要： GBDT又叫梯度提升决策树，它也属于Boosting框架。GBDT核心原理如下： 如图所示，用GBDT预测年龄，第一轮，预测到年龄为20，它和真实值之间的残差为10，第二轮，GBDT开始预测上一轮的残差10，预测结果为6，这一轮 的残差为4，第三轮，以年龄4为预测目标，预测来的值为3，和真实值之间相 阅读全文

摘要： 一、基本原理 AdaBoost是adaptive boosing的缩写，它是一种基于Boosting框架的算法。下图为该算法的迭代过程。 AdaBoost从原始数据集D1开始学习第个模型，经过三轮的迭代，得到三个弱分类器，每一轮的迭代都要评估下模型的分类误差，在一轮时把分错的样本进行加权，最后把三个 阅读全文

摘要： 一、概念：SVM思想和线性回归很相似，两个都是寻找一条最佳直线。 不同点：最佳直线的定义方法不一样，线性回归要求的是直线到各个点的距离最近，SVM要求的是直线离两边的点距离尽量大。 SVM本质， 距离测度，即把点的坐标转换成点到几个固定点的距离 ，从而实现升维。 如下所示 因为SVM要映射到高维空间 阅读全文