随笔分类 -  AI

上一页 1 2
NMS---非极大值抑制
摘要：在物体检测中，NMS（Non-maximum suppression）应用十分广泛，其目的是为了消除多余的框，找到最佳的物体检测的位置。在RCNN系列算法中，会从一张图片中找出很多个候选框（可能包含物体的矩形边框），然后为每个矩形框为做类别分类概率。 就像上面的图片一样，定位一个车辆，最后算法就找出 阅读全文
posted @ 2019-03-27 13:49 珠峰上吹泡泡 阅读(299) 评论(0) 推荐(0)
检测评价函数 IOU
摘要：在目标检测的评价体系中，有一个参数叫做 IoU（intersection-over-union），简单来讲就是模型产生的目标窗口和原来标记窗口的交叠率。具体我们可以简单的理解为： 即检测结果(DetectionResult)与 Ground Truth 的交集比上它们的并集，即为检测的准确率 IoU 阅读全文
posted @ 2019-03-26 20:45 珠峰上吹泡泡 阅读(442) 评论(0) 推荐(0)
Ground Truth
摘要：ground truth就是参考标准，一般用来做误差量化。比方说要根据历史数据预测某一时间的温度，ground truth就是那个时间的真实温度。error就是(predicted temperature - real temprature)。在监督学习中，数据是有标签（label）的的，以(x, 阅读全文
posted @ 2019-03-26 17:20 珠峰上吹泡泡 阅读(1801) 评论(0) 推荐(0)
Faster R-CNN
摘要：标题：《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》 时间：2015 出版源：NIPS 2015 主要链接： arXiv：http://arxiv.org/abs/1506.01497 阅读全文
posted @ 2019-03-25 11:49 珠峰上吹泡泡 阅读(382) 评论(0) 推荐(0)
Fast R-CNN
摘要：标题：《Fast R-CNN》 时间：2015 出版源：ICCV 2015 主要链接： arXiv：https://arxiv.org/abs/1504.08083 github(Official)：https://github.com/rbgirshick/fast-rcnn Fast R-CNN 阅读全文
posted @ 2019-03-24 20:33 珠峰上吹泡泡 阅读(255) 评论(0) 推荐(0)
RPN（区域生成网络）
摘要：转：懒人元（侵删） RPN全称是Region Proposal Network，Region Proposal的中文意思是“区域选取”，也就是“提取候选框”的意思，所以RPN就是用来提取候选框的网络。 1. RPN的意义 RPN第一次出现在世人眼中是在Faster RCNN这个结构中，专门用来提取候 阅读全文
posted @ 2019-03-23 16:15 珠峰上吹泡泡 阅读(42927) 评论(0) 推荐(25)
选择性搜索(Selective Search)
摘要：1 概述 本文牵涉的概念是候选区域（Region Proposal ），用于物体检测算法的输入。无论是机器学习算法还是深度学习算法，候选区域都有用武之地。 2 物体检测和物体识别 物体识别是要分辨出图片中有什么物体，输入是图片，输出是类别标签和概率。物体检测算法不仅要检测图片中有什么物体，还要输出物 阅读全文
posted @ 2019-03-22 14:18 珠峰上吹泡泡 阅读(1765) 评论(0) 推荐(0)
R-CNN
摘要：标题：《Rich feature hierarchies for accurate object detection and semantic segmentation》 时间：2014 出版源：CVPR 2014 主要链接： arXiv：http://arxiv.org/abs/1311.2524 阅读全文
posted @ 2019-03-15 21:41 珠峰上吹泡泡 阅读(252) 评论(0) 推荐(0)
目标检测简介
摘要：1 什么是目标检测 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，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，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。 计算机视觉中关于 阅读全文
posted @ 2019-03-15 21:20 珠峰上吹泡泡 阅读(2125) 评论(0) 推荐(0)
封闭解(Closed-form solution)、解析解(Analytical solution)、数值解(Numerical solution) 释义
摘要：转俞夕的博客 （侵删） 1 解析解 解析解(Analytical solution) 就是根据严格的公式推导，给出任意的自变量就可以求出其因变量，也就是问题的解，然后可以利用这些公式计算相应的问题。所谓的解析解是一种包含分式、三角函数、指数、对数甚至无限级数等基本函数的解的形式。用来求得解析解的方法 阅读全文
posted @ 2019-02-28 17:07 珠峰上吹泡泡 阅读(1889) 评论(0) 推荐(0)
神经网络的模型压缩---论文
摘要：模型压缩经典的论文总结于此，方便以后查找！！！ Survey Recent Advances in Efficient Computation of Deep Convolutional Neural Networks, [arxiv '18] A Survey of Model Compressi 阅读全文
posted @ 2019-01-03 15:03 珠峰上吹泡泡 阅读(2325) 评论(0) 推荐(0)
PCANet: A Simple Deep Learning Baseline for Image Classification?--名词解释
摘要：1 上采样与下采样 缩小图像（或称为下采样（subsampled）或降采样（downsampled））的主要目的有两个： 下采样原理：对于一幅图像I尺寸为M*N，对其进行s倍下采样，即得到(M/s)*(N/s)尺寸的得分辨率图像，当然s应该是M和N的公约数才行，如果考虑的是矩阵形式的图像，就是把原始 阅读全文
posted @ 2018-12-25 09:59 珠峰上吹泡泡 阅读(728) 评论(0) 推荐(0)
PCANet: A Simple Deep Learning Baseline for Image Classification?----中文翻译
摘要：一 摘要 在本文中，我们提出了一个非常简单的图像分类深度学习框架，它主要依赖几个基本的数据处理方法：1）级联主成分分析（PCA）;2）二值化哈希编码;3）分块直方图。在所提出的框架中，首先通过PCA方法学习多层滤波器核，然后使用二值化哈希编码以及分块直方图特征来进行下采样和编码。因此，该框架称为PC 阅读全文
posted @ 2018-08-06 14:52 珠峰上吹泡泡 阅读(842) 评论(0) 推荐(0)
手写数字识别（keras）
摘要：数据准备 课程中获取数据的方法是从库中直接load_data 我尝试了一下，报这样的错误：[WinError 10054] 远程主机强迫关闭了一个现有的连接。so，我就直接去官网下载了数据集：http://yann.lecun.com/exdb/mnist/。该数据下载后得到的是idx格式数据，具体 阅读全文
posted @ 2018-08-03 17:59 珠峰上吹泡泡 阅读(1057) 评论(0) 推荐(0)

上一页 1 2