![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
吴恩达深度学习笔记
guojunxiu
这个作者很懒,什么都没留下…
展开
-
卷积神经网络—目标检测 学习笔记(上)
3.1 目标定位(Object Localization) Image classification(图像分类):对输入图像进行分类。例如有一个猫狗分类器,当你输入一张图片时,分类器能分辨出这是猫或者是狗,这便是图像分类。 Classification with localization(定位分类):不仅要进行图像分类,还要得到被检测目标的位置(用包围盒bounding box表示)。注意原创 2018-01-31 23:06:22 · 3104 阅读 · 0 评论 -
卷积神经网络—目标检测 学习笔记(中)
3.4 滑动窗口的卷积实现(Convolutional implementation of sliding windows)滑动窗口算法计算成本高的主要原因是有许多重复计算,如下图所示: 在滑动过程中,红框和绿框重叠区域会被计算多次,这浪费了很多计算时间,因此要改进滑动窗口就要避免重复计算。 先看一下滑动窗口算法的结构: 由于使用全连接层,每次处理只能输出一个结果。而如果我们想共原创 2018-02-03 11:48:44 · 710 阅读 · 0 评论 -
卷积神经网络—目标检测 学习笔记(下)
3.7 非极大值抑制(Non-max suppresion)非极大值抑制,即只保留极大值(概率最大的预测结果)。 之前介绍的YOLO还存在的一个问题:同一个目标可能出现多个预测结果。如下图所示: 对于右边的汽车,会有三个网格认为中点落在了自己中,因而在显示结果时会出现三个预测边界框,这显然是不正确。通过使用非极大值抑制可以较好地解决该问题。 算法如下: 经过非极大值抑制后结原创 2018-02-03 16:28:38 · 431 阅读 · 0 评论 -
Advice for Applying Machine Learning
get more training examplestry smaller sets of featuretry getting additional featurestry adding polynomial featurestry increasing/decreasing λ\lambdaλEvaluating a hypothesis将数据集划分成训练集和测试集,大约按7:...原创 2019-02-21 09:02:48 · 246 阅读 · 0 评论