- 博客(2)
- 问答 (1)
- 收藏
- 关注
原创 百度飞浆PaddlePaddleAI工程师21天学习笔记(week3)
目标检测发展历程 在上一节中我们学习了图像分类处理基本流程,先使用卷积神经网络提取图像特征,然后再用这些特征预测分类概率,根据训练样本标签建立起分类损失函数,开启端到端的训练,如 图2 所示。 但对于目标检测问题,按照 图2 的流程则行不通。因为在图像分类任务中,对整张图提取特征的过程中没能体现出不同目标之间的区别,最终也就没法分别标示出每个物体所在的位置。 为了解决这个问题,结合图片分类任务取得的成功经验,我们可以将目标检测任务进行拆分。假设我们现在有某种方式可以在输入图片上生成一系列可能包含物体的区域
2020-08-28 17:59:21 201
原创 百度飞浆PaddlePaddleAI工程师21天学习笔记(week1)
百度(飞浆)PaddlePaddle AI工程师21天学习笔记(week1) 课程目录百度(飞浆)PaddlePaddle AI工程师21天学习笔记(week1)预习(准备环境)第一章:零基础入门深度学习机器学习和深度学习综述机器学习:第二章:一个案例吃透深度学习第三章:深度学习实践应用——计算机视觉第四章:目标检测YoloV3第五章:深度学习实践应用——自然语言处理第六章:情感分类第七章:深度学习实践应用——推荐系统第八章:深度学习高阶导入拓展:【AI实战案例项目集】 预习(准备环境) 主流的深度学习平台
2020-08-26 22:27:36 234
空空如也
遗传算法求助!!救救可怜的孩子吧。
2019-12-07
TA创建的收藏夹 TA关注的收藏夹
TA关注的人