12 2019 档案
摘要：YOLOv1 YOLO算法的原理与实现 死磕YOLO系列，YOLOv1 的大脑、躯干和手脚 YOLOv2 史上最通俗易懂的YOLOv2讲解 目标检测YOLOv2最详细解释！ YOLOv3 一文看懂YOLO v3 SSD SSD原理解读-从入门到精通 优秀文章摘录 目标检测之YOLOv3算法: An
阅读全文
摘要：R-CNN 【深度学习】R-CNN 论文解读及个人理解 【目标检测】RCNN算法详解 R-CNN论文翻译解读 总之，R-CNN取得成功的两个关键因素：1：在候选区域上自下而上使用大型卷积神经网络(CNNs)，用以定位和分割物体。2：当带标签的训练数据不足时，先针对辅助任务进行有监督预训练，再进行特定
阅读全文
摘要：迁移学习与fine-tune 1.什么是迁移学习呢？ 迁移学习顾名思义就是把已经训练好的模型的参数迁移到新的模型来帮助新模型的训练。考虑到大部分的数据或任务是存在相关性的，所以通过迁移学习我们可以将已经学习到的模型参数，通过某种方式来分享给新的模型，从而加快优化模型的学习效率不用像大多数模型那样从零
阅读全文
摘要：转载：Sift中尺度空间、高斯金字塔、差分金字塔（DOG金字塔）、图像金字塔 下面只是关于sift的核心概念的简单介绍，详细介绍可以参看这两篇博客 https://blog.csdn.net/u010440456/article/details/81483145 https://www.cnblog
阅读全文
摘要：转载：传统目标检测算法之DPM 前面介绍了一下HOG，HOG有一个缺点：很难处理遮挡问题，人体姿势动作幅度过大或物体方向改变也不易检测。 继2005年HOG提出之后，DPM模型在借鉴了HOG之后也被提了出来同时还取得了不错的成绩。 DPM概述 DPM（Deformable Part Model），正
阅读全文
摘要：转载：性能指标（模型评估）之mAP 什么是性能指标 用于评价模型的好坏，当然使用不同的性能指标对模型进行评价往往会有不同的结果，也就是说模型的好坏是“相对”的，什么样的模型好的，不仅取决于算法和数据，还决定于任务需求。因此，选取一个合理的模型评价指标是非常有必要的。 错误率 & 精度 针对数据集D和
阅读全文
摘要：参考：https://blog.csdn.net/weixin_37813036/article/details/90718310 kaggle是一个为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台，在这上面有非常多的好项目、好资源可供机器学习、深度学习爱好者学习之用。碰巧
阅读全文
摘要：import torch as t import torch.nn as nn import torch.nn.functional as F from torchvision import models # 残差快 残差网络公式 a^[L+2] = g(a^[L]+z^[L+2]) class R
阅读全文
摘要：CIFAR-10.（Canadian Institute for Advanced Research）是由 Alex Krizhevsky、Vinod Nair 与 Geoffrey Hinton 收集的一个用于图像识别的数据集，60000个32*32的彩色图像，50000个training dat
阅读全文
