参考:动手学深度学习(PyTorch版)Releases · d2l-ai/d2l-zh (github.com)
神经网络与深度学习课程PPT
常用数据集
MNIST:由0-9手写数字图片和数字标签所组成的,由60000个训练样本和10000个测试样本组成,每个样本都是一张28 * 28像素的灰度手写数字图片。
FashionMNIST :一个替代 MNIST 手写数字集 的图像数据集。 它是由 Zalando旗下的研究部门提供,涵盖了来自 10 种类别的 共 7 万个不同商品的正面图片。
CIFAR-10:由10个类的60000个32x32彩色图像组成,每 个类有6000个图像。有50000个训练图像和10000个测试图像。
MS COCO: 提供的标注类别有80 类,有超过33 万张图片,其中20 万张有 标注,整个数据集中个体的数目超过150 万个。
目标检测预备知识
传统基础指标:
TP:实际为正例且被分类器划分为正例的实例数;
FP:实际为负例但被分类器划分为正例的实例数;
FN:实际为正例但被分类器划分为负例的实例数;
TN:实际为负例且被分类器划分为负例的实例数;
目标识别指标:
IOU:网络预测的目标框与真实目标框相交的面积与二者相并面积的比值,IOU值越大表明网络预测的目标框与真实目标框重合度越高;
TP:IOU大于某一指定阈值的目标框个数;
FP:IOU小于某一指定阈值的目标框个数;
精确度P又叫查准率,表示在某一置信度阈值下网络将某一类目标准确识别的个数与网络识别的该类目标总数的比值:
FN代表未检测到的目标个数;
召回率又叫查全率,表示在某一置信度阈值下某一类目标被正确识别的个数与该类目标的真实个数的比值:
AP值和mAP值:指定IOU阈值,对于某一类目标取一系列置信度阈值,计算每一个置信度阈值下的精确度和召回率,将精确度和召回率标入坐标,得到该类目标的P-R曲线,如下所示: