玄学的深度学习
wrysunny_bc
这个作者很懒,什么都没留下…
展开
-
目标检测中的指标都是什么意思
怎样才算检测正确?IOU大于指定阈值?类别预测正确?confidence大于指定阈值?三者都需要计入我们的考虑范围.什么是mAP?TP(True Positive): IoU>0.5的检测框数量(同一Ground Truth只计算一次).FP(False Positive): IoU<=0.5的检测框(或者是检测到同一个GT的多余检测框的数量).FN(False Negative): 没有检测到的GT的数量.Precision: TP / (TP + FP)原创 2022-01-29 20:03:48 · 4338 阅读 · 0 评论 -
YOLOv1论文阅读笔记
YOLOv1论文笔记原创 2022-01-25 20:05:02 · 2842 阅读 · 0 评论 -
经过卷积操作后矩阵尺寸大小如何计算?
卷积计算后矩阵大小原创 2022-01-03 19:56:38 · 1691 阅读 · 0 评论 -
咱也不知道什么是过拟合
神经网络最大的挑战是过拟合,指的是神经网络试图记忆一个数据集,而不是从中学到可以泛化到还没见过的数据的有用抽象.换句话说,神经网络学会的是基于数据集中的噪声进行预测,而不是依赖于基本信号.过拟合的产生通常是由于当前网络参数的数量多于学习特定数据集所需要的参数数量.这种情况下,网络有足够多的参数去记忆每一个细节,而不是学习高层次的抽象,相对于正则化,更好的防止过拟合方法就是使用松散定义的模型,或者说是网格结构(因为相信能在多个位置检测到相同模式,所以可以针对性的重用针对多个目标的权重)原创 2021-12-28 16:34:39 · 1102 阅读 · 0 评论