摘要：
1、项目介绍 介绍自己的项目，分为三个步骤：1.尽量用两三句话介绍项目的功能或实现的目标。2.项目的难点在何处，或者说项目的具体需求是什么。3.通过什么方法解决上述的问题。 第一步时，我会尽量通俗易懂、不带任何专业词汇去介绍。一方面，面试官只有能够听明白，才可能产生兴趣；另一方面，如果刚开始介绍，就 阅读全文
摘要：
one-stage检测算法，其不需要region proposal阶段，直接产生物体的类别概率和位置坐标值，经过单次检测即可直接得到最终的检测结果，因此有着更快的检测速度，比较典型的算法如YOLO，SSD，Retina-Net。 4、SSD（2016） SSD结合了YOLO中的回归思想和Faster 阅读全文
摘要：
总结的很好：https://www.cnblogs.com/guoyaohua/p/8994246.html 目前主流的目标检测算法主要是基于深度学习模型，其可以分成两大类：two-stage检测算法；one-stage检测算法。本文主要介绍第二类检测算法。 目标检测模型的主要性能指标是检测准确度和 阅读全文
摘要：
评价指标： 准确率 （Accuracy），混淆矩阵 （Confusion Matrix），精确率（Precision），召回率（Recall），平均正确率（AP），mean Average Precision(mAP)，交除并（IoU），ROC + AUC，非极大值抑制（NMS）。 1、准确率 （A 阅读全文
摘要：
目前主流的目标检测算法主要是基于深度学习模型，其可以分成两大类：two-stage检测算法；one-stage检测算法。本文主要介绍第一类检测算法，第二类在下一篇博文中介绍。 目标检测模型的主要性能指标是检测准确度和速度，对于准确度，目标检测要考虑物体的定位准确性，而不单单是分类准确度。一般情况下， 阅读全文
摘要：
四个方面： 1、基于数据改善性能 2、借助算法改善性能 3、用算法调参改善性能 4、借助模型融合改善性能 1、基于数据改善性能 改变你的训练集数据以及问题定义方式。 获得更多的数据； 数据扩充； 清洁数据：可以纠正或删除一些缺失或错误的观测值，或者在合理范围外的离群点，从而提升数据质量； 重新界定问 阅读全文
摘要：
1、为什么要用神经网络？ 对于非线性分类问题，如果用多元线性回归进行分类，需要构造许多高次项，导致特征特多，学习参数过多，从而复杂度太高 。 在神经网络中引入激活函数一个重要的原因就是为了引入非线性。 2、CNN基本问题 层级结构：输入层->卷积层->激活层->池化层->卷积层->激活层->池化层- 阅读全文
摘要：
聚类算法 任务：将数据集中的样本划分成若干个通常不相交的子集，对特征空间的一种划分。 性能度量：类内相似度高，类间相似度低。两大类：1.有参考标签，外部指标；2.无参照，内部指标。 距离计算：非负性，同一性（与自身距离为0），对称性，直递性（三角不等式）。包括欧式距离（二范数），曼哈顿距离（一范数） 阅读全文
摘要：
CNN从90年代的LeNet开始，21世纪初沉寂了10年，直到12年AlexNet开始又再焕发第二春，从ZF Net到VGG，GoogLeNet再到ResNet和最近的DenseNet，网络越来越深，架构越来越复杂，解决反向传播时梯度消失的方法也越来越巧妙。 1、LeNet（1998） 闪光点：定义 阅读全文
摘要：
一、LDA算法 基本思想：LDA是一种监督学习的降维技术，也就是说它的数据集的每个样本是有类别输出的。这点和PCA不同。PCA是不考虑样本类别输出的无监督降维技术。 我们要将数据在低维度上进行投影，投影后希望每一种类别数据的投影点尽可能的接近，而不同类别的数据的类别中心之间的距离尽可能的大。 浅显来 阅读全文