Leomn_J的博客

K-means聚类及相关理论介绍什么是K-Means聚类方法二级目录什么是K-Means聚类方法将Kmeans聚类分为两部分进行介绍：聚类：所谓聚类就是将数据集中的数据，根据某部分特性进行类别的划分。聚类流程：- 数据准备，将需要聚类的数据集进行一些预处理，如归一化、正则化、降维等- 特征选取，定义需要聚类的特征，比如狗的分类中，都有尖尖的耳朵。- 特征提取，提取到关键的特征- 聚类，根据类似特征，对数据进行分类- 效验，对最终聚类的结果进行效验并调整Kmeans：kmeans就是经典

IOU、GIOU、DIOU、CIOU解析IOUIOU原理IOU LossIOU存在问题GIOUGIOU原理DIOUCIOU首先明确IOU系列的提出原因，即衡量预测框与真实框的关系。IOUIOU原理图中，红色框表示为预测框，绿色表示为真实框（标注框）。IOU就是计算真实框与红色框的交并比，具体流程如下：计算真实框与预测框的交集计算真实框与预测框的并集计算交并比IOU Loss明白IOU原理后，进一步看一下IOU loss：IOU loss 将四个点构成的bbox,作为

ROI！RoI Pooling！ROI详解RoI Pooling详解Pooling操作ROI poolingROI Align详解ROI详解Region of interest(ROI),中文译为感兴趣区域。在计算机视觉领域，从输入的图像中框选处理待处理的区域就是ROI。ROI / Region proposals大致过程：输入一张图片在图片中找到物体/目标（objects）的所有位置输出/获得这些一系列的objects的bounding box.RoI Pooling详解Pooli

神经网络的训练与推理阶段训练阶段推理阶段训练阶段训练阶段：是神经网络在输入数据，通过数据和对应标签不断调整权重的过程，即生成模型的过程。推理阶段推理阶段：当网络训练完毕后（权重不更新），输入数据后神经网络对其进行处理（比如输入猫的图片，神经网络将图片分类为猫），即模型开始工作进行预测。...

Sigmoid 与 Softmax 详解Sigmoid是什么？Softmax是什么？Sigmoid是什么？首先看一下sigmoid的函数表达式和对应函数图像，会发现sigmoid函数的可以将输入的值限定在(0,1)之间。下面是sigmoid的函数表达式：这里只用python实现sigmoid函数图形：实现代码如下：import matplotlib.pyplot as plt import numpy as npx = np.arange(-10,10,0.2)y = 1.0 /(1.