深度学习
文章平均质量分 71
nice-wyh
广泛学习的研究生
展开
-
贝叶斯滤波与卡尔曼滤波(一)
贝叶斯滤波:通过概率统计的方法(贝叶斯公式),对随机变量进行处理,来减小他的不确定度。这里所指的随机变量和教材中所说的变量并不是一回事,贝叶斯滤波中所提到的随机变量更多的是一个随机过程,而随机过程最大的特点便是他取消了独立性,这意味着这个随机过程不再满足大数定律(在无数次随机实验(在相同条件下,可重复进行;一次试验,结果不确定,所有可能的结果已知;实验之前,实验结果预先未知)后,可以用频率表示概率),所以我们无法对这个概率赋值。可以看到,当随机过程与时间。原创 2023-04-14 15:07:05 · 312 阅读 · 0 评论 -
使用Colab训练yolov5模型
我们在mask目录下新建一个colab笔记本,选中mask点击New-More-Google Colaboratory,新建一个colab笔记本,之后会跳转到colab的网站上,接下来我们需要根据自己训练的情况,修改源码的配置文件,回到谷歌云盘当中,进入yolov5-models下,打开yolov5s.yaml,修改nv为2(戴口罩和没带口罩)此时,显示的MyDrive就是谷歌云盘下的MyDrive,再次输入命令,进入到yolo文件夹下。之后,回到colab,进入yolov5文件夹,执行训练代码。原创 2023-02-18 23:49:16 · 756 阅读 · 0 评论 -
DL_Basic,深度学习基本知识
对于一幅图像尺寸为M*N,对其进行S倍下采样,即得到(M/S)*(N/S)尺寸的分辨率图像,当然S应该是M和N的公约数才可以;如果考虑是矩阵形式的图像,就是把原始图像s*s窗口内的图像变成一个像素,这个像素点的值就是窗口内所有像素的均值或者最大值(也就是池化操作等)那么就从左上角到右下角,生成巻积之后的矩阵大小是(5-3+1)*(5-3+1)的矩阵,生成之后的矩阵的元素值,是之前的两个矩阵对应元素的乘积之和。池化层不需要训练参数。池化也是这样的,比如最大值池化,平均值赤池化,随即池化,求和区域池化等。原创 2023-02-13 22:57:44 · 74 阅读 · 0 评论