第十次词汇记忆

119

ほ-------ホ
穂 1 (ほ)                     歩 1 (ほ)                   棒 0 (ぼう)
方位 1 (ほうい)               貿易 0 (ぼうえき)           封建 0 (ほうけん)
方言 3 (ほうげん)             冒険 0 (ぼうけん)           報告 0 (ほうこく)
方式 0 (ほうしき)             放射線 0 (ほうしゃせん)     報酬 0 (ほうしゅう)
方針 0 (ほうしん)             防水 0 (ぼうすい)           宝石 0 (ほうせき)
訪日 0 (ほうにち)             抱負 1 (ほうふ)             防腐 0 (ぼうふ)
方法 0 (ほうほう)             方面 3 (ほうめん)           法律 0 (ほうりつ)
暴力 1 (ぼうりょく)           保管 0 (ほかん)             北部 1 (ほくぶ)
保険 0 (ほけん)               保護 1 (ほご)               星 0 (ほし)
保守 1 (ほしゅ)               補充 0 (ほじゅう)           保証 0 (ほしょう)
保障 0 (ほしょう)             北極 0 (ほっきょく)         骨 0 (ほね)
盆 0 (ぼん)                  盆栽 0 (ぼんさい)           本質 0 (ほんしつ)
盆地 0 (ぼんち)              本人 1 (ほんにん)           本能 1 (ほんのう)
翻訳 0 (ほんやく)            本来 1 (ほんらい)

ま-------マ
魔 1 (ま)                    毎週 0 (まいしゅう)         毎月 0 (まいつき)
毎年 0 (まいとし)            毎日 1 (まいにち)           毎晩 1 (まいばん)
前 1 (まえ)                  幕 2 (まく)                 真心 2 (まごころ)
摩擦 0 (まさつ)              麻酔 0 (ますい)             松 1 (まつ)
魔法 0 (まほう)              豆 2 (まめ)                 万 1 (まん)
万一 1 (まんいち)            満員 0 (まんいん)           漫画 0 (まんが)

み-------ミ
身 0 (み)                    味覚 0 (みかく)             右 0 (みぎ)
水 0 (みず)                  湖 3 (みずうみ)             店 2 (みせ)
未然 0 (みぜん)              未知 1 (みち)               道 0 (みち)
密度 1 (みつど)              未定 0 (みてい)             南 0 (みなみ)
身分 1 (みぶん)              耳 1 (みみ)                 未来 1 (みらい)
魅力 0 (みりょく)            民間 0 (みんかん)           民国 0 (みんこく)
民主 1 (みんしゅ)            民衆 0 (みんしゅう)         民族 1 (みんぞく)

む-------ム
無意識 2 (むいしき)          無限 0 (むげん)             婿 1 (むこ)
無効 0 (むこう)              虫 0 (むし)                 無視 1 (むし)
矛盾 0 (むじゅん)            無償 0 (むしょう)           無心 0 (むしん)
無人 0 (むじん)              無数 2 (むすう)             無知 1 (むち)
胸 2 (むね)                  無用 1 (むよう)             村 2 (むら)

め-------メ
芽 1 (め)                    名作 0 (めいさく)           名詞 0 (めいし)
明治 1 (めいじ)              名称 0 (めいしょう)         迷信 0 (めいしん)
名誉 1 (めいよ)              眼鏡 1 (めがね)             飯 2 (めし)

も-------モ
目的 0 (もくてき)            目標 0 (もくひょう)         模型 0 (もけい)
文字 1 (もじ)                物 2 (もの)                 模範 0 (もはん)
模倣 0 (もほう)              紅葉 1 (もみじ)             桃 0 (もも)
腿 1 (もも)                  門 1 (もん)                 問題 0 (もんだい)
文盲 0 (もんもう)            門衛 0 (もんえい)           門柱 0 (もんちゅう)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值