人工智能
海棠遇上玉兰
这个作者很懒,什么都没留下…
展开
-
RNN和LSTM
1、RNN单层RNN图形表示:单层RNN数学形式:多层RNN图形表示:2、LSTM长短记忆,门操作。标准RNN:LSTM:增加记忆向量C。第一个门:控制以前的记忆保留多少。第二个门:控制新的输入取多少,新的输入的重要程度。输出新的记忆向量Ct。第三个门:控制Ct有多少进入ht输入下一个神经元。...原创 2020-05-21 17:15:43 · 180 阅读 · 0 评论 -
mAP的计算方法
1、mAP介绍mAP是mean AveragePrecision的缩写,用于评价目标检测与分类的效果。AP是指一个类别的平均精度,它表示模型在某一个类别上的效果。mAP是所有类别AP的平均值,表示模型在所有类别上的整体效果。2、精度和召回率3、实例绘制PR图假设我们的任务是“猫狗二分类”,下面来计算“猫”这一类别的AP。假设测试集共有8个样本(8张图片img1-img8),共预测出15只猫(15个预测框bbox1-bbox15)。下表为按照置信度(预测分数)排序后的结果:上表对应的PR图如原创 2020-05-21 16:35:20 · 10611 阅读 · 0 评论 -
YOLO系列
YOLO主页:https://pjreddie.com/darknet/yolo1、Yolo与RCNN对比Yolo是“看一眼”:直接在输出层回归bbox的位置和所属类别。RCNN是“看两眼”:先提取候选框,再进行分类+回归YoloV1与Faster RCNN等模型的比较:2、YoloV1(2016年5月)(2.1)V1网络结构(2.2)Yolo核心思想将一幅图像分成S x S个网格(grid cell),如果某个object的中心落在这个网格中,则这个网格就负责预测这个object。.原创 2020-05-10 22:43:45 · 431 阅读 · 0 评论 -
从RCNN到MaskRCNN(RCNN系列)
文章名录:1、RCNN(2014年10月)(1)RCNN网络结构(2.1)RCNN流程1:生成候选框在原始图像上,使用selectivesearch算法,生成约2000个候选框。(2.2)RCNN流程2:提取特征使用AlexNet卷积网络进行特征提取,串行,每个候选框一个卷积。(2.3)RCNN流程3:SVM分类及候选框回归串行,每个候选框对应一组SVM分类器和一个回归器。(3.1)RCNN可优化1:selective search生成候选框速度太慢一张图,生成约2000个候选框,需原创 2020-05-09 21:09:45 · 604 阅读 · 0 评论 -
经典卷积神经网络特点小结
卷积神经网络概述Hitton,被称为“AI教父”,他对人脑非常的好奇,学习生理学,解刨大脑以了解其工作方式,还学了心理学,最后,他决定使用计算机科学来模拟大脑的工作,并进入人工智能领域,开始了40余年的研究生涯。因为背部受伤,Hitton站立工作了10多年。2006年,随着计算机算力的提升和大数据的积累,Hitton所研究的多层神经网络取得巨大进展,他将多层神经网络命名为深度学习。深度学习的快速发展开始于2012年,Hitton的学生AlexNet使用深度学习技术,在ImageNet挑战赛上取得了冠原创 2020-05-09 20:43:31 · 1035 阅读 · 0 评论 -
windows10安装cocoapi(pycocotools)
安装cocoapi的前提条件:安装Microsoft Visual C++cocoapi下载地址:https://github.com/cocodataset/cocoapi下载后解压缩,进入到PythonAPI目录:cd PythonAPI执行安装命令:python setup.py install安装成功部分截图:使用pip list命令可以看到pycocotools已经被安装安装...原创 2020-04-28 16:46:03 · 2093 阅读 · 5 评论