- 博客(8)
- 收藏
- 关注
原创 mean average precision 定义以及计算
mean average precision 即对所有类的average precision的平均,一个类的averege precision计算有两种,一种是11点插值法,voc 08年以前用。11-points interpolated average precision as defined by TREC. This is the average of the maximum
2017-05-31 16:01:54 6780 1
原创 faster rcnn 笔记
1.resize时统一了最小边长600,pooling scale 是16,所以图片到rpn时map大小是38*n,anchor就有38*n*92.所有conv的kernel size都是3,stride是1,pad是1,因此卷积前后feature map大小不变pool的kernel size是2,stride是2,pad是0,因此pooling后feature map大小减半
2017-05-27 14:37:51 383
原创 先验概率、后验概率、最大似然等
在一个分类器中,denote:d是输入的数据,c是输出的类别,c=h(d)。那么h(d)就是输出的类别或者输出某类的概率。h就是模型的hypothesis。机器学习的过程就是从众多的hypothesis选择一个合适数据的hypothesis。可以理解为输入到输出的一个映射。在上述的模型中:P(h) 就是先验概率,指未看到任何数据前,hypothesis的概率分布。P(d|h)是
2017-01-20 17:19:14 589
原创 hough变换检测直线和圆
1.如何检测图像上直线。假设图像中现有3个点A,B,C,要检测这三点是否在一条直线上。首先,图像中如何表示一条直线呢。用(R,theta)坐标系。R是直线过原点的法线的长度。theta是法线和x轴的夹角。如下图:回到问题。假设图像中现有3个点A,B,C,要检测这三点是否在一条直线上。首先用(R,theta)坐标系表示分别经过三个点的所有直线。La,Lb,Lc。t
2016-12-30 12:04:19 1090
原创 Xception Deep Learning with Depthwise Separable Couvolutions
Xception 是Google 的the state of art CNN based model。结合了inception和Resnet 的优点并加以改进。1.InceptionInception的 提出的因为发现经典CNN的卷积模块同时在做两件事:cross-channel correlations和spatial correlations。什么意思呢?可以先了解下背景知识:
2016-12-15 16:57:39 1182
转载 深度学习(十八)基于R-CNN的物体检测-CVPR 2014
基于R-CNN的物体检测原文地址:http://blog.csdn.net/hjimce/article/details/50187029作者:hjimce一、相关理论 本篇博文主要讲解2014年CVPR上的经典paper:《Rich feature hierarchies for Accurate Object Detection and Segmentation》,
2016-12-06 11:58:57 1288
原创 不值钱的知识
看了一篇知乎CNN的文章,感觉这个时代知识真是越来越不值钱了。过去花一年才弄透的东西,现在看一篇文章就可以搞定了。别人好几年的研究成果,等公开出来别人花个一两个月也能摸透了。那么到底这个时代值钱的是什么呢。假如事实如我所说,那么值钱的是学习能力吗?是比谁更勤奋吗?我想是的,也不全是。因为科学的突破性发展必然经过的足够的沉淀,科研人员长年累月的研究积累才能换来突破前的灵光一现。没有量变就没有质变。是
2016-12-04 15:22:17 470
原创 precision,recall and precision-recall curve
precision是指检索出中相关的比例,所以precision=true positive /(true positive+false negative). recall是指相关中被检索出的比例,所以recall= true positive/(true positive + false positive)。实际应用中往往precision和recall成反比关系。比如只检索出1条且相关,则pr
2016-11-28 16:13:05 6218 2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人