博博的Blog

摘要： 一、三大基本特征：封装、继承、多态 封装：封装就是隐藏对象的属性和实现细节，仅对外公开接口，控制在程序中属性的读和修改的访问级别，将抽象得到的数据和行为（或功能）相结合，形成一个有机的整体，也就是将数据与操作数据的源代码进行有机的结合，形成“类”，其中数据和函数都是类的成员。 继承：继承是面向对象的 阅读全文

摘要： 在这篇文章中，作者首先在YOLOv1的基础上提出了改进的YOLOv2，然后提出了一种检测与分类联合训练方法，使用这种联合训练方法在COCO检测数据集(用于检测)和ImageNet分类数据集（用于分类）上训练出了YOLO9000模型，其可以检测超过9000多类物体。 所以，这篇文章其实包含两个模型：Y 阅读全文

摘要： YOLOv3没有太多的创新，主要是借鉴一些好的方案融合到YOLO里面。不过效果还是不错的，在保持速度优势的前提下，提升了预测精度，尤其是加强了对小物体的识别能力（yolov1在这方面是有缺陷的）。 本文主要讲v3的改进，由于是以v1和v2为基础，关于YOLO1和YOLO2的部分析请移步 "YOLO 阅读全文

摘要： Batch Normalization作为最近一年来DL的重要成果，已经广泛被证明其有效性和重要性。虽然有些细节处理还解释不清其理论原因，但是实践证明好用才是真的好，别忘了DL从Hinton对深层网络做Pre Train开始就是一个经验领先于理论分析的偏经验的一门学问。 本文是对论文《Batch N 阅读全文

摘要： 简介 Bounding Box非常重要，在rcnn， fast rcnn, faster rcnn, yolo, r fcn, ssd，到今年cvpr最新的yolo9000都会用到。 先看图 对于上图，绿色的框表示Ground Truth, 红色的框为Selective Search提取的Regio 阅读全文

摘要： 前言 当我们谈起计算机视觉时，首先想到的就是图像分类，没错，图像分类是计算机视觉最基本的任务之一，但是在图像分类的基础上，还有更复杂和有意思的任务，如目标检测，物体定位，图像分割等，见图1所示。其中目标检测是一件比较实际的且具有挑战性的计算机视觉任务，其可以看成图像分类与定位的结合，给定一张图片，目 阅读全文

摘要： 首先进行数据预处理，需要生成.tsv、.jpg文件 import matplotlib.pyplot as plt import numpy as np import os from tensorflow.examples.tutorials.mnist import input_data LOG_ 阅读全文

摘要： 如果什么都不加，直接运行装了GPU的Tensorflow，结果是这样子的 来来来，看图 当指定cpu还是GPU时： 结果就变成了这样子： 最后一个 结果： 阅读全文

摘要： 众多目标检测的知识中，都提到了mAp一值，那么这个东西到底是什么呢： 我们在评价一个目标检测算法的“好坏”程度的时候，往往采用的是pascal voc 2012的评价标准mAP。目标检测的mAP计算方式在2010年的voc上发生过变化，目前基本都是采用新的mAP评价标准，也就是说mAp的定义发生过改 阅读全文

摘要： ``` import matplotlib.pyplot as plt import tensorflow as tf import numpy as np import os from tensorflow.examples.tutorials.mnist import input_data LO 阅读全文