![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
随记
文章平均质量分 51
温温尔耳
这个作者很懒,什么都没留下…
展开
-
目标识别算法中输入形式对网络的影响
在一次测试中,看到了将三个通道分别显示为单通道的灰度图像,其实长得非常像(看起来是这样),随后又将每个通道比如R通道的数据按照8bit进行拆分,得到8个通道的数据,每个通道中,都只有0 或者1 ,显示出来一组具有纹理信息的图片。猜一下各种优势,24通道能将信息拆分的更加细,1通道可以减少计算量。目前对于普通三通道图片的目标识别网络,基本都是以三通道的形式送入网络。将三通道拆分为24个比特通道,效果并不好,可能是因为数据太散?总之,RGB中任意一个通道的信息都足够让模型的map到达70。原创 2022-11-25 22:24:49 · 186 阅读 · 0 评论 -
为什么类的普通成员函数不能作为pthread_create的参数
为什么类的普通成员函数不能作为pthread_create的参数原创 2022-07-04 21:29:07 · 158 阅读 · 1 评论 -
关于对过拟合的理解
关于对过拟合的理解好像有个关于网络参数过多会造成过拟合的说法,突然有了一点自己的理解,记下来:假如只能使用n个一次函数对一幅图像上的点区域进行描述,。。。。。可以看到,当参数太少时,描述能力太弱,预测太多,不能准确的刻画预测区域。当参数太多时,描述能力超级强,完全描述了已知目标的区域,但是预测不足,导致对训练集中的数据推理十分准确,但是对于之外的数据推理能力不足。...原创 2021-10-14 11:40:57 · 136 阅读 · 0 评论