![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 68
Monte0539
这个作者很懒,什么都没留下…
展开
-
深度学习: one-stage/two-stage/multi-stage 目标检测算法
IntroductionDetection主要分为以下三个支系:- one-stage系 two-stage系 multi-stage系主要算法 YOLOv1、SSD、YOLOv2、RetinaNet、YOLOv3 Fast R-CNN、Faster R-CNN R-CNN、SPPNet检测精度 较低 较高 极低检测速度 较快...原创 2019-05-13 17:10:10 · 1533 阅读 · 0 评论 -
用约束规划+概率图模型(信念传播)+神经网络端到端求解组合优化问题
主要技术点:用约束规划+概率图模型(信念传播)+神经网络端到端求解问题,生成一个关于变量的N*M矩阵,N是变量个数,M是变量取值集合的大小,矩阵元素代表某变量取某元素的信念,根据这个矩阵可自然读出解(如果不满足约束的情况实在太严重,就进一步加primal-dual unrolled optimization、启发式搜索、分支定界等后处理机制):《Belief Propagation Neural Networks》(BPNN)设计了一个模块化的信念传播神经网络框架,它已经可以进行一些推理,求解NP完原创 2021-04-23 16:30:08 · 625 阅读 · 0 评论 -
BPNN-Belief Propagation Neural Networks
https://arxiv.org/pdf/2007.00295经验丰富的神经求解器已成功用于解决组合优化和决策问题。 但是,这些问题的更一般的计数变体仍在很大程度上由手工求解器解决。 为弥合这一差距,我们引入了信念传播神经网络(BPNN),这是一类对因子图进行操作并推广信念传播(BP)的参数化运算符。 在最严格的形式下,BPNN层(BPNN-D)是一个有经验的迭代算子,可证明为任何参数选择都能保持BP的许多理想特性。 从经验上讲,我们表明BPNN-D可比原始BP更好地执行任务:前者在Ising模型..原创 2021-04-23 16:27:34 · 1011 阅读 · 0 评论 -
脉冲神经网络
SNN模仿的脉冲具有不连续和非线性的特征,因此在构建对该神经网络的监督学习算法上比较困难。根据SNN实现的特征可以将监督学习的算法分为在线/离线、单脉冲/多脉冲、多层/单层的学习算法...原创 2021-01-19 10:55:34 · 285 阅读 · 0 评论 -
Arbitrary-Oriented Scene Text Detection via Rotation Proposals
Arbitrary-Oriented Scene Text Detection via Rotation Proposals论文地址:https://arxiv.org/abs/1703.01086github地址:https://github.com/mjq11302010044/RRPN该论文是基于faster-rcnn框架,在场景文字识别领域的应用。创新点:生成带文字角度信息的倾斜的proposal1.RRPN(Rotation Region Proposal Netw..翻译 2020-12-21 15:56:27 · 650 阅读 · 0 评论 -
rpn
本文原载于知乎专栏「人工智障的深度瞎学之路」Faster R-CNN 的极简实现: github: simple-faster-rcnn-pytorch(http://t.cn/RHCDoPv)本文插图地址(含五幅高清矢量图):draw.io(http://t.cn/RQzroe3)1 概述在目标检测领域, Faster R-CNN 表现出了极强的生命力, 虽然是 2015 年的论文(https://arxiv.org/abs/1506.01497),但它至今仍是许多目标检测算法...翻译 2020-12-20 15:18:58 · 585 阅读 · 1 评论 -
目标检测和分类的评价指标
准确率 (Accuracy),混淆矩阵 (Confusion Matrix),精确率(Precision),召回率(Recall),平均正确率(AP),mean Average Precision(mAP),交除并(IoU),ROC + AUC,非极大值抑制(NMS)。首先再回顾一下基础的评价标准三件套(假设一共一百学生,男女各半,检测的时候男生全部检测正确,女生有25人分为男生):1. 准确率 accuracy:分类对的样本除以总样本个数,这个一般是针对于整个分类任务说的,这里一共分对了男生50人原创 2020-12-05 21:34:03 · 3034 阅读 · 0 评论 -
3.11 模型选择、⽋拟合和过拟合
如果你改变过实验中的模型结构或者超参数,你也许发现了:当模型在训练数据集上更准确时,它在测试数据集上却不⼀定更准确。这是为什么呢?3.11.1 训练误差和泛化误差在解释上述现象之前,我们需要区分训练误差(training error)和泛化误差(generalization error)。通俗来讲,前者指模型在训练数据集上表现出的误差,后者指模型在任意⼀个测试数据样本上表现出的误差的期望,...翻译 2020-05-06 15:38:27 · 342 阅读 · 0 评论 -
3.线性神经网络
3.线性神经网络翻译 2020-04-24 21:55:16 · 289 阅读 · 0 评论 -
2.2。数据预处理
2.2。数据预处理2.2.1。读取数据集例如,我们首先创建一个人工数据集,该数据集存储在csv(逗号分隔值)文件中../data/house_tiny.csv。以其他格式存储的数据可以用类似的方式处理。以下mkdir_if_not_exist功能确保该目录../data存在。注释是一个特殊标记,其中以下函数,类或import语句也保存在包中,以便我们以后可以直接调用。#S...翻译 2020-04-22 22:12:28 · 346 阅读 · 0 评论 -
2.1。数据操作
2.1。数据操作人在Colab中打开笔记本为了完成任何事情,我们需要某种方式来存储和处理数据。通常,我们需要对数据做两件事:(i)获取数据;(ii)将它们放入计算机后进行处理。没有某种存储方式来获取数据是没有意义的,因此让我们首先通过合成数据进行操作。首先,我们介绍nn-维数组(ndarray),是MXNet用来存储和转换数据的主要工具。在MXNet中,ndarray是一个类,我们称任...翻译 2020-04-22 18:09:40 · 422 阅读 · 0 评论