摘要：
在本文中，我们提出了一种多目标过滤和跟踪算法，该算法可以同时为所有目标学习运动模型。它通过隐式表示的状态图并执行时空数据预测来实现。为此， 在连续的假设目标空间上对多目标状态进行建模，使用随机有限集和高斯混 合概率假设密度公式（PHD）。使用具有长短期记忆架构的深度卷积递归神经网络递归执行预测步骤，该网络被训练为回归块，在运行中，概率密度差地图（PDD）。我们的方法在广泛使用的行人跟踪基准上进行了评估，显着优于最先进的多目标过滤算法，同时与其他跟踪方法相比提供了有竞争力的结果：所提出的方法分别在 MOT15 和 MOT16/17 数据集上生成平均 40.40 和 62.29 的最佳子模式的分配错误，同时，当使用公开可用的探测器，在 MOT16/17、PNNL 停车场和 PETS09 行人跟踪数据集上分别产生 62.0%、70.0% 和 66.9% 的多目标跟踪精度。 阅读全文
摘要：
网上相关的教程非常多，但是有些也有坑，所以在此整理一下。 阅读全文
摘要：
很久不用PyCharm了，第一次用，在运行代码过程中，发现了这个问题。 （代码在Terminal中运行成功） 因为配置Editor是凭直觉，所以觉得问题可能出在这里，查了一下正确的配置方法。 没有运行的成功的原因就是这里Script path没有选择到*.py 文件 修改过后： 修改完成之后就可以运 阅读全文
摘要：
程序文件的组织结构： ├── checkpoints/ ├── data/ │ ├── __init__.py │ ├── dataset.py │ └── get_data.sh ├── models/ │ ├── __init__.py │ ├── AlexNet.py │ ├── BasicM 阅读全文
摘要：
基本理论： 什么是对象： 万物皆对象 对象是具体物体： 拥有属性 拥有行为 把很多零散的东西，封装成一个整体 举例：小王： 属性：身高、体重…… 行为：走路、吃饭、放羊…… Python中的体现： Python是一门特别彻底的面向对象编程（OOP）的语言 面向过程&面向对象 两者都是一种解决问题的思 阅读全文
摘要：
阿里云 ：http://mirrors.aliyun.com/pypi/simple/ 中国科技大学： https://pypi.mirrors.ustc.edu.cn/simple/ 豆瓣(douban) ：http://pypi.douban.com/simple/ 清华大学 ：https:// 阅读全文
摘要：
学习数据得到模型的方法分为两种：生成方法和判别方法。 生成模型： 由数据学习得到联合概率分布P(X,Y)，然后求出条件概率分布P(Y|X)作为预测模型，即生成模型(Generative Model)： 典型的生成模型：朴素贝叶斯、隐马尔可夫模型 注：输入和输出变量要求为随机变量。 判别模型： 由数据 阅读全文
摘要：
泛化能力 泛化误差 泛化误差上界 指的泛化误差的概率上界。两种学习方法的优劣，通常通过他们的泛化误差上界进行比较。 性质： 他是样本容量的函数：当样本容量增加时，泛化上界趋于0 他是假设空间容量的函数：假设空间容量越大，模型就越难学，泛化误差上界就越大。 例：二分类泛化误差上界 定理（泛化误差上界） 阅读全文
摘要：
统计学习的三要素： 统计学习方法 = 模型 + 策略 + 算法 无监督学习 模型有以下三种表示方式： Z来自于隐式结构空间的。 模型相应的假设空间分别是：所有可能的函数组成的集合，给定x的情况下z的条件概率分布集合 或者 给定z的情况下x的条件概率分布集合。 参数空间：所有可能的参数θ。 策略：优化 阅读全文
摘要：
一、统计学习的概念 统计学习（Statistical Machine Learning）是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。 从已知到未知的方法。 统计学习的方法步骤 得到一个有限的训练数据集合 确定学习模型的集合—————— 模型 确定模型选择的准则——— 阅读全文