sicp-mit-4

#lang sicp
;;https://www.bilibili.com/video/BV1Xx41117tr
;;https://github.com/DeathKing/Learning-SICP/tree/master/SrtCN
;;第四节

;;;现在到了数学抽象中最关键的一步:让我们忘记这些符号所表示的对象
;;;......(数学家)不应在这里停步,有许多操作可以应用与这些符号,
;;;而根本不必考虑它们到底代表着什么东西。
;;;---hermann wey1,思维的数学方式


;;;中心思想为要建立层次化的系统
;;;建立抽象屏障将细节隔离在底层
;;;将细节与你所工作的高层环境隔离开
;;;the key idea is that you're going to build the system in layers
;;;and set up abstraction barries that isolate the details at the lower layers
;;;from the thing that's going on at the upper layers

(make-rat n d)
;(numer xxx) --> n
;(denom xxx) ---> d

(define (+rat x y)
  (make-rat
   (+ (* (numer x) (denom y))
      (* (numer y) (denom x)))
   (* (denom x) (denom y))))


(define (*rat x y)
  (make-rat
   (* (numer x) (numer y))
   (* (denom x) (denom y))))


;;构造函数 constructors
;;选择函数 selectors

;;list structure
;;pairs

;;(cons x y)
;;constructs a pair whose first part is x and whose second part is y

;;(car p)
;;selects the first part of the pair p

;;(cdr p)
;;selects the second part of the pair p

(cons 2 3)
;;box and pointer notation

(define (make-rat n d)
  (cons n d))

(define (numer x) (car x))
(define (denom x) (cdr x))

(define a (make-rat 1 2))
(define b (make-rat 1 4))
(define ans (+rat a b))
(numer ans) ---> 6
(denom ans) ---> 8


;;;构造的时候,化到最简
(define (make-rat n d)
  (let ((g (gcd n d)))
    (cons (/ n g)
          (/ d g))))

;;; data abstraction
;;; use                | +rat *rat -rat
;;; abstraction layer  | make-rat numer denom
;;; representation     | pairs


;;;defining +rat without data abstractio
;;;也就是没有抽象层(构造函数和选择函数)
;;;在这样的系统中,并没有一个有理数的概念
(define (+rat x y)
  (cons (+ (* (car x) (cdr y))
           (* (car y) (cdr x)))
        (* (cdr x) (cdr y))))

;;;将数据的使用和表示分离
;;;编程中最重要的原理:naming

;;;有理数的概念naming和实体implementing(或者叫实现)分离
;;;同一个概念有不同的实现
;;;数据结构的概念和实现

;;;另一种表示有理数的方法
(define (make-rat n d)
  (cons n d))

;;提取的时候,化到最简
(define (numer x)
  (let ((g (gcd (car x) (cdr x))))
    (/ (car x) g)))

(define (denom x)
  (let ((g (gcd (car x) (cdr x))))
    (/ (cdr x) g)))

;;;第一种方式,构造的时候,化到最简
;;;第二种方式,提取的时候,化到最简

;;************只关注use****************

;;only give a name,然后继续编程

;;representing vectors in the plane
(define (make-vector x y) (cons x y))
(define (xcor p) (car p))
(define (ycor p) (cdr p))

;;用数字来表示点
;;用点来构造向量
;;用向量来表示线段

;;representing line segments
(define (make-seg p q) (cons p q))
(define (seg-start s) (car s))
(define (seg-end s) (cdr s))

(define (midpoint s)
  (let ((a (seg-start s))
        (b (seg-end s)))
    (make-vector
     (average (xcor a) (xcor b))
     (aberage (ycor a) (ycor b)))))


(define (length s)
  (let
      ((dx (- (xcor (seg-end s))
              (xcor (seg-start s))))
       (dy (- (ycor (seg-end s))
              (ycor (seg-start s)))))
    (sqrt (+ (square dx)
             (square dy)))))


;;我们构建的是一种层次系统
;;what we built is a layered system


;;;          segments
;;;
;;;---------------------------
;;;make-seg seg-start seg-end
;;;----------------------------
;;;
;;;           vectors
;;;
;;;----------------------------
;;;make-vector xcor ycor
;;;----------------------------
;;;
;;;           pairs
;;;

;;;cons就是把什么东西组合起来

;;abstract data

;;fulfill this contract for any choice of n and d
;; if x = (make-rat n d)
;; then (/ (numer x) (denom x)) = (/ n d)

;;有理数就是满足这些公理(contrat)的过程(这里是三个过程,构造函数和两个选择函数)

;;axiom for pairs
;;for any x and y
;;(car (cons x y)) is x
;;(cdr (cons x y)) is y

;;pure abstraction


;;you don't see any data in here, what you see is a lambda
(define (cons a b)
  (lambda (pick)
    (cond ((= pick 1) a)
          ((= pick 2) b))))

(define (car x) (x 1))
(define (cdr x) (x 2))

;;建立数据抽象不需要数据
;;we don't need data at all to build these data abstractions
;;我们可以用过程来完成所有的事情
;;we can do everything in terms of procedures

;;过程是一种对象
;;过程是概念实体,是对象
;;procedures are conceptual entities, objects






  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 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,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值