- 博客(6)
- 收藏
- 关注
RSS订阅原创 YOLO算法（You Only Look Once）
更具体一点，你需要这样定义训练标签，对于9个格子中的每一个都指定一个标签y，其中y是一个8维向量（与前面讲述的一样，分别为Pc，bx，by，bh，bw，c1，c2，c3，其中Pc=1表示含有目标，Pc=0表示为背景；在YOLO算法中，对于这个边界框，我们约定每个格子的左上角是(0, 0)，右下角坐标是(1, 1)，要指定汽车中心点（图中橙色点）的位置，bx大概是0.4，by大概是0.3，然后是边界框的高度，用格子总体宽度的比例表示，因此这个红框的宽度可能是格子宽度的90%，因此bh=0.9；
2023-11-17 19:38:56
97
原创 深度学习——目标检测
目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置。计算机视觉中关于图像识别有四大类任务：1.分类-Classification：解决“是什么？”的问题，即给定一张图片或一段视频判断里面包含什么类别的目标。2.定位-Location：解决“在哪里？”的问题，即定位出这个目标的的位置。3.检测-Detection：解决“是什么？在哪里？”的问题，即定位出这个目标的的位置并且知道目标物是什么。
2023-11-17 19:33:10
446
原创 深度学习——卷积神经网络
发布于 2021-03-30 15:07:097270举报前面介绍光学神经网络进展的笔记里(基于频率梳的光学神经网络)，多次提到卷积神经网络(convolutional neural network, 以下简称CNN)。这里对CNN做一个更详细的介绍。先解释下什么是卷积(convolution)。对于光学背景的朋友，卷积的概念肯定不陌生。在傅里叶光学中，输出面的频谱响应是输入面的频谱与传递函数的乘积，对应到实空间上，即为两者的卷积(函数卷积的傅里叶变换，等于函数傅里叶变换的乘积)，如下式所示，
2023-11-17 19:30:47
46
原创 深度学习——多层感知机
如果是二维情况， ��+�=0 就是一条直线，若没有激活处理，前向传播的多层多个节点的不断向前推进，实际就是 ��+� 在不断嵌套和线性组合，算了半天，最后得到的还是形如 ��+�=0 的一条直线，和单层的感知机没有什么区别。我们建立多层感知机模型的目的，是把各层的权重 � 和偏置 � 看作变量，用很多的已知样本进行试算，反复的调整各层的权重 � 和偏置 � ，最后得到各层 � 和 � 确定的值，使得到的网络模型对所有的已知样本都能正确的分类，这个过程就是机器学习或训练。总之，各层的节点都可以看作列向量。
2023-11-17 19:26:32
222
原创 线性回归算法
构建完模型，我们需要对其进行训练，训练的过程就是将表格中的数据以矩阵的形式输入到模型中，模型则通过数学统计方法计算房屋价格与各个特征之间关联关系，也就是“权值参数”。其中 x 表示输入的样本数据，y 表示输出的预测结果，而 w1 指的是线性回归模型的权值参数，b 指的是线性回归模型的“偏差值”。在上述讲解过程中，我们反复提起“预测”与“历史数据”，既然是预测，那么就不能说它是 100 % 精确，所以线性回归只是无限地逼近“真实值”，而这个逼近的过程需要大量“历史数据”提供支持。
2023-11-17 19:23:49
55
原创 机器学习总结
总的来说，机器学习通过利用数据和模型进行自动学习和优化，为解决各种现实问题提供了强大的工具和方法。特征提取：机器学习中的特征提取是一个重要的步骤，它涉及从原始数据中选择最相关的特征，以便模型能够更好地进行学习。监督学习：使用带有标签（输出值）的训练数据集来训练模型，以预测新的未知数据的输出。无监督学习：使用未标记的训练数据集，让计算机自己发现数据中的模式和结构。定义：机器学习是一种使用统计和算法技术来让计算机自动从经验数据中学习，并通过不断优化算法模型来完成特定任务的方法。
2023-11-01 18:51:14
51
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