- 博客(8)
- 收藏
- 关注
RSS订阅原创 Yolov5算法：实时目标检测的新里程
随着计算机视觉技术的快速发展，目标检测一直是一个关键的研究领域。而Yolov5算法作为目标检测领域的新里程碑，以其出色的性能和实时的特点引起了广泛关注。本文将全面介绍Yolov5算法的原理、架构和应用，并探讨其在实际场景中的优势和挑战。
2023-11-20 20:16:02
722
1
原创 YOLO-V3: 多尺度目标检测的突破与优化
本篇博客将着重介绍YOLO-V3中的多scale、scale变换经典方法、核心网络架构、先验框设计以及softmax层替代等关键技术。通过深入了解这些技术，我们可以更好地理解YOLO-V3算法的原理和优势，为我们在实际应用中的目标检测任务提供指导和借鉴。
2023-11-17 11:40:04
222
原创 You Only Look Once 目标检测算法
目标检测是计算机视觉中的一项基础任务，涉及在图像中识别和定位物体。传统的目标检测方法通常包括两个步骤：首先生成区域建议，然后对这些建议进行分类。然而，这些方法可能计算成本高昂且耗时较长。 2015年，Joseph Redmon等人推出了一种开创性的目标检测算法，称为YOLO（You Only Look Once），彻底改变了该领域。YOLO-V1是YOLO的第一个版本，提供了实时目标检测和令人印象深刻的准确性。在本博客文章中，我们将深入了解YOLO-V1的细节，并了解其工作原理。
2023-11-16 12:34:49
47
1
原创 目标检测：从传统方法到深度学习的进化之路
目标检测是计算机视觉领域中一项重要的任务，它旨在从图像或视频中准确地识别和定位特定目标。随着技术的不断发展，目标检测方法也在不断演进。本文将全面介绍目标检测的数据集、Ground Truth、评估指标、传统方法、深度学习方法以及相关案例，带您深入了解目标检测技术的发展历程以及其在实际应用中的重要性。
2023-11-15 12:39:37
70
原创 深度学习的重新思考
深度学习作为一种强大的机器学习技术，已经在各个领域取得了巨大的成功。然而，我们是否应该重新思考深度学习的一些基本概念和原则？本文将探讨深度学习中的一些重要概念，包括全连接层、猫狗分类、沃尔多游戏、两个原则、图像卷积、卷积层、填充和步幅、多个输入和输出通道、池化层、学习表征、视觉分层理论以及VGG网络，并通过一些例子来加深理解。一、全连接层全连接层是深度学习中最常见的一种网络层，它将每个输入神经元与每个输出神经元相连接。这种连接方式可以实现复杂的非线性映射，但也容易导致过拟合的问题。为了解决这个问题，我们
2023-11-06 12:27:49
18
原创 “感知机：从逻辑门到多层神经网络，探索人工智能的基石“
人工智能的快速发展使得机器学习成为解决实际问题的重要工具。而在机器学习算法中，感知机作为最早的神经网络模型之一，为我们提供了一种简单而有效的方法来解决二分类和多分类问题。感知机的原理和应用广泛存在于各个领域，如计算机视觉、自然语言处理和模式识别等。它的设计灵感来源于人脑神经元的工作方式，通过模拟神经元之间的连接和信号传递，实现了对输入数据的学习和预测。
2023-11-03 13:12:13
255
原创 人工智能与机器学习：改变世界的科技革命
模型选择与训练：不同类型的机器学习模型及其训练方法，例如经典的线性回归、决策树、支持向量机，以及深度学习中的卷积神经网络、循环神经网络等。人工智能和机器学习的快速发展为我们的日常生活带来了许多便利和创新，同时也对整个社会产生了深远的影响。本文将深入探讨人工智能和机器学习的基本概念，并通过案例介绍它们在日常生活中的应用和对社会的影响。随着技术的不断进步，我们可以期待更多人工智能和机器学习的应用，为我们的世界带来更多的改变。机器学习的基本原理和分类，监督学习、无监督学习和强化学习的区别和应用。
2023-11-02 11:30:12
27
原创 深度学习笔记：创意、实践、复盘与感悟
深度学习作为人工智能领域最热门的技术之一，正在引领着科技的新潮流。本博客旨在分享关于深度学习的创作灵感、工作实践、项目复盘、技术笔记和职场感悟。首先，我们将探索深度学习的创作灵感，重点关注图像分割技术，介绍其在医学影像领域的应用。其次，我们将记录深度学习的工作实践，包括数据增强技术的应用和解决不一致数据分布的问题。然后，我们将回顾一个深度学习项目的复盘，分享项目中的经验和教训。此外，我们还将强调写技术笔记巩固知识要点的重要性，并分享一些关于卷积神经网络的技术笔记。最后，我们将探讨深度学习领域的职
2023-11-01 16:00:02
46
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