ML基础知识
JessieCode
这个作者很懒,什么都没留下…
展开
-
精确率和回召率
精确率是针对我们预测结果而言的,它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了,一种就是把正类预测为正类(TP),另一种就是把负类预测为正类(FP),也就是 P = TP/(TP+FP)。而召回率是针对我们原来的样本而言的,它表示的是样本中的正例有多少被预测正确了。那也有两种可能,一种是把原来的正类预测成正类(TP),另一种就是把原来的正类预测为负类(FN)。也就是...转载 2018-03-15 11:20:39 · 1685 阅读 · 0 评论 -
Faster RCNN详解:从region proposal到bounding box回归
转载自Faster RCNN解析 。 该博文目录如下: 一基于Region Proposal候选区域的深度学习目标检测算法 二R-CNNFast R-CNNFaster R-CNN三者关系 1 R-CNN目标检测流程介绍 2 Fast R-CNN目标检测流程介绍 ...转载 2018-03-15 19:48:35 · 1125 阅读 · 0 评论 -
RCNN以及Fast RCNN的不同
RCNN的主要框架:Fast RCNN的框架如下: Faster RCNN与RCNN的主要不同: 首先我们要知道Faster RCNN是RCNN的改进版本,RCNN需要对~2K个region proposals都进行特征提取,这一操作的计算量是巨大的,而且一张image产生那么多region proposals,那它们之间势必有着大量的重复区域,而对这些重复区域都需要提取特征,这一举措...原创 2018-03-16 15:48:15 · 1415 阅读 · 0 评论 -
Object Proposal(OP)综述
目标检测(object detection),要求模型不仅能判断一幅输入图像中包含哪类目标,还得框出目标的具体位置(bounding box)。为了实现上述要求,传统的方法是利用滑动窗口(Sliding Window)的方式,用不同尺度(scale)、比例(aspect ratio)的窗口在图像上滑动,穷举出所有可能位置上的子图像块。...转载 2018-03-17 11:28:19 · 2001 阅读 · 0 评论 -
学习率 - 指数衰减法
在tensorflow中可以调用tf.train.exponential_decay函数来实现指数衰减学习率。这个函数的过程如下:先使用较大的学习率来快速得到一个比较优的解,然后随着迭代的继续逐渐减小学习率,使得模型在训练期更加稳定。为防止过拟合引入一种方法:正则化(regularization) 。正则化的思想就是在损失函数中加入刻画模型复杂程度的指标。...原创 2018-03-19 16:37:02 · 3465 阅读 · 0 评论 -
Google AI 教育项目今起免费开放,支持中文
今天,谷歌上线人工智能学习网站Learn with Google AI,网站设有一门名为机器学习速成班(Machine Learning Crash Course ,MLCC)的免费课程。该课程基于谷歌内部课程,最初旨在帮助谷歌员工对AI和机器学习基础知识进行介绍。MLCC有中文版网站!...转载 2018-06-05 19:49:36 · 223 阅读 · 0 评论