- 博客(18)
- 收藏
- 关注
RSS订阅原创 卡尔曼滤波
x为position y概率密度没有横杠的时候就是最优估计值，即修正值，也叫作后验估计值，有杠的是先验估计值，yk是观测值，即xk是传感器直接测量的一个值，由前面知道，Qk,Rk是噪声的方差，估计值方差即状态值方差，二维为矢量，表示不同的状态，二维协方差仅仅状态增多了。F,H取1即为一维，Q无风，基本无过程噪声，R观测噪声方差，比如3.8的投影仪与1000，价格不同，误差不同。xt-先验估计值，也是预测，Kt为卡尔曼增益，可理解为权重，更信任观测值，Kt大点。2.齐次性，即x增大k倍，y也增大k倍。
2024-11-21 14:54:51
525
原创 解码器-编码器
使用编码器-解码器架构的模型，编码器负责表示输入，解码器负责输出。编码器:将输入编程成中间表达形式(特征)解码器:将中间表示解码成输出。编码器:将文本表示成向量。解码器:向量表示成输出。State中间状态；
2024-11-13 16:02:12
275
原创 YOLOX
YOLOX 引入了一种新的匹配策略，称为 SimOTA（Simulated Online Top-k Assignment），它在训练过程中动态地为每个目标分配最优的预测框，而不是使用传统的硬匹配或软匹配方法。: 为了更好地评估模型性能，YOLOX 提出了 SimAP（Simulated Average Precision）作为新的性能指标，它模拟了在线测试时的匹配策略，以更准确地反映模型的实际性能。: YOLOX 采用了解耦的检测头设计，将类别预测和边界框预测分开处理，这有助于提高模型的检测精度。
2024-11-12 16:45:48
1269
原创 RNN&LSTM理论
循环神经网络（RNN，Recurrent Neural Network）是一种用于处理序列数据的神经网络架构。它的主要特点是能够利用序列中前面的信息来影响后面的计算。RNN：前面的数据用于后面的结果预测当中，即x1可以预测y1,除此之外，可能产生另外的信息比如激活函数。前部序列信息在传递到后部的同时，信息权重下降，导致重要信息丢失。一部每页只有一个单词的字典，页码就是单词对应的数值One-hot独热编码。前部序列的信息经处理后，作为输入信息传递到后部序列。与rnn关联起来，x的赋值。
2024-11-12 10:39:13
352
原创 YOLO系列之YOLOv5
下图是原来的Focus模块(和之前Swin Transformer中的Patch Merging类似)，将每个2x2的相邻像素划分为一个patch，然后将每个patch中相同位置（同一颜色）像素给拼在一起就得到了4个feature map，然后在接上一个3x3大小的卷积层。在源码中，针对预测小目标的预测特征层（P3）采用的权重是4.0，针对预测中等目标的预测特征层（P4）采用的权重是1.0，针对预测大目标的预测特征层（P5）采用的权重是0.4，作者说这是针对COCO数据集设置的超参数。
2024-11-11 22:07:00
1409
原创 YOLO系列之YOLO v4
a左侧特征提取，右侧是FPN结构，高层往低层融合，在此基础上，又加了b,即低层往高层融合。再看左侧结构，输入的是如图大小的图片，接上ConvBNMish结构，再经过左侧卷积层1*1的ConvBNMish结构，右侧ResBlock结构。右侧v4结构中：CSP结构之前先进行一个下采样，之后通过两个1*1的卷积层，卷积核个数都是输入的一半，在经过1*1卷积层，ResBlock等。增强CNN学习的能力；原始范围为（0，1），经过缩放后，y对x变化更敏感了，则y更容易到达0，1，则解决了上述问题。
2024-11-11 15:28:35
921
原创 YOLO系列之YOLOv3
faster rcnn,SSD都是针对于anchor而言的，而yolo里是则对于anchor左上角点而言的，yolo结构里也提到，有三个预测特征层，每个预测特征层有不同的模板，下图假设是一个，则对每个anchor模板，都有四个边界框回归参数，分别对应tx,ty,tw,th。N*N是特征图的大小，常见的N13，26，52；l2损失，右上图l2损失是一样的，但是IOU不同，即损失不能很好的反映重合程度，故引入IOU Loss,计算公式如下，=-ln(IOU),还有一个IOU Loss=1-IOU。
2024-11-08 17:13:39
1174
2
原创 【vue小案例1】学员信息增删
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言 一、pandas是什么？ 二、使用步骤 1.引入库 2.读入数据 总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分
2023-04-21 21:03:38
830
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人