- 博客(6)
- 收藏
- 关注
原创 Learning with Feature Evolvable Stream学习笔记
Learning with Feature Evolvable Stream摘要 现实工程中,目标的某些特征会消失,也会产生某些新特征。我们将消失的特征结合现有特征进行训练,得到两个模型。使用两种方法进行预测,一种方法是结合两个模型的输出结果;另一种是动态选择单次预测较好的模型,确保模型效果最好。两种方法都交叉验证了我们的理论。简介 现有的基于数据流的学习方法:hoeffding tr...
2019-11-18 13:59:17 482
原创 AcMR学习笔记
AcMR学习笔记简介 模型重用试图通过利用预训练的模型,减少新目标任务训练模型的资源消耗,这项技术在被标记的样本数量有限时的应用首要关注并且效果良好。 然而传统的模型重用方法对于模型的性能提升缓慢并且需要大量的查询才能获得较好的准确率(如图一)。图一:传统模型重用 论文中提出的新的方法AcMR(图2),可以帮助模型构建查询,能够在有标签样本不足的情况下更好地主动学习,并且利用预训...
2019-11-12 21:23:59 550
原创 yolo_v1学习笔记
yolo_v1学习笔记 注:第一次学习目标检测神经网络,目标检测训练数据的标签与分类任务的不同,有框的位置及大小置信度等参数,不只是简单的类别。核心思想将物体检测方法看作一个回归问题,来预测空间分离的边界框和相关类别的概率。将图片隐式(理论处理上)的分为S*S个网格。物体的中心落在哪个网格内,哪个网格就负责预测这个物体。每个网格要预测B个框,C个类别。 这种预测方式导致网格内出...
2019-11-08 19:41:59 156
原创 RetinaNet学习笔记
一、Focal Loss解决的问题 本文的核心为提出一种改进的交叉熵损失函数:Focal Loss,解决了单阶段物体检测其中,正负样本数量和分类难易程度极度不平衡引起的损失值被大量容易分类的负样本的损失淹没的问题。 正样本 负样本 数量 少量 大量 ...
2019-11-08 09:35:48 305 1
原创 机器学习笔记(二):模型评估方法(1)
模型评估声明:本文基于scikit-learn包1、训练集测试集分类 利用train_test_split函数可以快速划分数据集。from sklearn.model_selection import train_test_splitx_train, x_test, y_train, y_test = train_test_split(dataset.data, dataset.ta...
2019-10-18 17:56:03 485
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