XJL_Jared

摘要： 简单的说，K近邻算法是采用不同特征值之间的距离方法进行分类。 该方法优点：精确值高、对异常值不敏感、无数据输入假定 缺点：计算复杂度高、空间复杂度高 适用范围：数据型和标称型 现在我们来讲KNN算法的工作原理：存在一个样本数据集，也称作训练样本集，并且样本中每条数据都存在标签。将新输入的没有标签的数 阅读全文

摘要： 1介绍 尺度问题是目标检测的核心，为了检测不同尺度的目标，一个基本的策略是使用图像金字塔[1]来获得不同尺度的特征。但是，这会大大增加内存和计算复杂度，从而降低目标检测器的实时性。 卷积神经网络近几年已经在图片分类、语义分割和目标检测上取得了相当大的成功。用卷积神经网络代替手工提取特征，大大提高了目 阅读全文

摘要： 1 介绍 近几年，有大量的目标检测方法被提出，并取得了很大的成功，不过，这些方法都是依赖带有标签的数据集进行训练。在实际应用中，对于给定的目标检测任务，全注释训练集可能会受到限制，从而限制了深度检测器的性能。 一种解决办法是收集易于标注的标签图片，作者列出了近几年做弱监督目标检测的方法，但这些方法都 阅读全文