魔鬼训练Day1作业

作业1

描述你在学习、使用数学表达式时的困难, 可举例说明.

  • 目前来说,自己还在入门阶段。接触论文时,里面包含了一些数学表达式,一看到又多又复杂的表达式,就会在那里停留很久,虽然有些表达式不长,但是理解起来比较吃力,还需加强对数学表达式的学习。

作业2

(1) 令 A = { 3 , 5 } \mathbf{A} = \{3, 5\} A={3,5}, 写出 2 A 2^{\mathbf{A}} 2A.

  • 2 A 2^{\mathbf{A}} 2A = { ∅ , { 3 } , { 5 } , { 3 , 5 } } \{\emptyset, \{3\}, \{5\}, \{3, 5\}\} {,{3},{5},{3,5}}

(2) 展开 2 ∅ 2^{\empty} 2.

  • 2 ∅ = { ∅ } 2^{\empty} = \{\empty\} 2={}

(3) 令 A = { 5 , 6 , 7 , 8 , 9 } \mathbf{A} = \{5, 6, 7, 8, 9\} A={5,6,7,8,9}, 写出 A \mathbf{A} A的其它两种表示法.

  • A = [ 5..9 ] = { 5 , 6 , 7 , 8 , 9 } \mathbf{A} = [5..9] = \{5, 6, 7, 8, 9\} A=[5..9]={5,6,7,8,9} A = { x ∈ N ∣ 5 ≤ x ≤ 9 } \mathbf{A} = \{x \in \mathbf{N}|5 \leq x \leq 9\} A={xN5x9}

(4) 使用 markdown 模式写 CSDN 贴子, 根据提供的源码将相应表达式写出来.

  • Ω = { a , b , … , z } \mathbf{\Omega} = \{\textrm{a}, \textrm{b}, \dots, \textrm{z}\} Ω={a,b,,z}
  • X = { x i } i = 1 n = { x 1 , x 2 , … , x n } \mathbf{X} = \{x_i\}_{i=1}^n = \{x_1, x_2, \dots, x_n\} X={xi}i=1n={x1,x2,,xn}
  • ∣ 2 A ∣ = 2 ∣ A ∣ = 2 3 = 8 \vert 2^\mathbf{A}\vert = 2^{\vert\mathbf{A}\vert} = 2^3 = 8 2A=2A=23=8

作业3

自己出数据, 做一个 3 × 2 3 \times 2 3×2 2 × 4 2 \times 4 2×4的矩阵乘法.

  • A = [ 1 5 3 1 4 0 ] \mathbf{A} = \begin{bmatrix} 1 & 5 \\ 3 &1 \\ 4 & 0 \end{bmatrix} A=134510, B = [ 5 1 0 3 4 2 1 0 ] \mathbf{B} = \begin{bmatrix} 5 &1 & 0 & 3 \\ 4 & 2 & 1 & 0 \end{bmatrix} B=[54120130], 则
    A × B = [ 25 11 5 3 19 5 1 9 20 4 0 12 ] \mathbf{A} \times \mathbf{B} = \begin{bmatrix} 25 & 11 & 5 & 3 \\ 19 & 5 & 1 & 9\\ 20 & 4 & 0 &12 \end{bmatrix} A×B=25192011545103912

作业4: Deep Multi-View 符号系统的矛盾.

  • 方括号内描述向量,应用粗体: [ x 1 ( m ) , … , x N ( m ) ] [\mathbf{x_1^{(\bm{m})}}, \dots, \mathbf{x_N^{(\bm{m})}}] [x1(m),,xN(m)].
  • 第三行“m-th” 应与上面的m一致,需改为斜体: m \bm{m} m.
    在这里插入图片描述
  • Q m c \bm{Q_{mc}} Qmc Q m c \mathbf{Q_{mc}} Qmc未统一.
    在这里插入图片描述
  • 花括号外上标应改为 T \mathbf{T} T,不应该用 ⊤ \top .
    在这里插入图片描述
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论 1
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