- 博客(6)
- 收藏
- 关注
RSS订阅转载 YOLO-V4
YOLOV4是一种目标检测算法，它使用深度学习技术来实现实时目标检测。它是YOLO（You Only Look Once）系列算法的第四个版本，具有更高的准确性和更快的速度。YOLOV4在计算机视觉领域具有广泛的应用，可以用于车辆识别、行人检测、物体追踪等任务。
2023-11-20 16:23:27
24
1
原创 YOLO-V3
YOLO-V3（You Only Look Once version 3）是一种实时目标检测算法，用于在图像和视频中检测和分类对象。它是对之前版本的YOLO的改进，具有更好的准确性和速度。YOLO-V3使用单个神经网络将输入图像划分为网格，并为每个网格单元格预测边界框和类别概率。这允许在实时应用程序中进行高效准确的目标检测。
2023-11-20 15:31:48
23
1
原创 目标检测的YOLOv1，v2
很明显，堆叠小的卷积核所需的参数更少一些，并且卷积过程越多，特征提取也会越细致，加入的非线性变换也随着增多，还不会增大权重参数个数，这就是VGG网络的基本出发点，用小的卷积核来完成体特征提取操作。faster-rcnn系列选择的先验比例都是常规的，但是不一定完全适合数据集。通过引入anchor boxes，使得预测的box数量更多（13*13*n）最后一层时感受野太大了，小目标可能丢失了，需融合之前的特征。V1训练时用的是224*224，测试时使用448*448。没有FC层，5次降采样（13*13）
2023-11-20 15:15:05
23
1
原创 深度学习之目标检测
深度学习在目标检测领域的目标是通过训练模型来识别图像或视频中的特定目标，例如人脸、汽车、动物等。目标检测的任务通常包括定位目标的位置和确定其类别。深度学习模型通过学习大量标注数据来提高目标检测的准确性和鲁棒性，可以应用于许多领域，如智能监控、自动驾驶、医学影像识别等。随着深度学习技术的不断发展，目标检测的性能和效率也在不断提升。
2023-11-16 11:09:51
55
1
原创 卷积神经网络
卷积神经网络（Convolutional Neural Network，CNN）是一种用于图像、语音等高维数据处理的神经网络模型。它的主要特点是通过卷积操作提取输入数据的特征，然后通过池化操作降低特征的维度，最后使用全连接层进行分类或回归等任务。
2023-11-07 09:40:38
30
原创 机器学习之随机森林学习实践
随机森林是一种集成学习方法，用于解决分类和回归问题。它通过构建多个决策树模型，并通过投票或平均的方式进行预测。随机森林的训练过程包括从原始数据集中有放回地抽取随机样本，以及随机选择特征来构建决策树。最终的预测结果是基于多个决策树的投票或平均。随机森林具有处理高维数据和大规模数据集的能力，对离群值和噪声具有鲁棒性，并可以估计特征的重要性。
2023-11-02 16:46:38
295
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人