Dr.Monster小站

•物体识别是要分辨出图片中有什么物体，输入是图片，输出是类别标签和概率。物体检测算法不仅要检测图片中有什么物体，还要输出物体的外框（x, y, width, height）来定位物体的位置。•object detection，也可以叫location（房地产最重要的是location location 还是TMD location）就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。•要解决的问题就是物体在哪里以及是什么的整个流程问题。•。

CNN就是著名的卷积神经网络，是一种前馈神经网络。CNN不同于传统的神经网络只有线性连接，CNN包括卷积（convolution）操作、汇合（pooling）操作和非线性激活函数映射（即线性连接）等等。经典的CNN网络有Alex-Net、VGG-Nets、Resnet等。之前提到了卷积,什么?!卷什么,卷积!卧槽,DNA动了,积你太美!!!baby。

输入的数据被称为训练数据，一个模型需要通过一个训练过程，在这个过程中进行预期判断，如果错误了再进行修正，训练过程一直持续到基于训练数据达到预期的精确性。其关键方法是分类和回归，比如逻辑回归(Logistic Regression)和BP神经网络(Back Propagation Neural Network)。举个栗子:小时候考试，考不好，开完家长会，回去就是皮带炒肉丝，臭小子，下次再考不好，劳资打死你，你躲在角落瑟瑟发抖，不敢说话。

点成线，线成面（网）生物神经网络的基本工作原理：一个神经元的输入端有多个树突，主要是用来接收输入信息的。输入信息经过突触处理，将输入的信息累加，当处理后的输入信息大于某一个特定的阈值，就会把信息通过轴突传输出去，这时称神经元被激活。相反，当处理后的输入信息小于阈值时，神经元就处于抑制状态，它不会像其他神经元传递信息。或者传递很小的信息。举个例子，你被蚊子叮的时候，可能压根就感觉不到，但是要是别人给你一个大逼兜，那你要不就是捂着脸嘤嘤嘤，要不就是直接跳起来跟他干了。