3 紫芝

尚未进行身份认证

我要认证

你可不可以 成为我的main函数 做我此生必须有 且只能有一个的入口 我愿为自己加上private 在你的class中 只有你能调用

等级
TA的排名 7k+

【百度飞浆】YOLO系列目标检测算法详解

YOLO系列目标检测算法详解1 YOLO发展史2 YOLO v3目标检测原理3 PaddleDetection中YOLO v3模型介绍4 YOLO v3配置演练1 YOLO发展史2 YOLO v3目标检测原理3 PaddleDetection中YOLO v3模型介绍4 YOLO v3配置演练...

2020-09-24 22:24:37

【百度飞浆】RCNN系列算法优化策略与案例

RCNN系列算法优化策略与案例目录1 两阶段检测进阶模型介绍两阶段检测进阶模型两阶段检测进阶模型FPNFPN网络结构FPN目标检测实现方法FPN结构下的RPN网络FPN结构下的Rol AlignFPN模型效果两阶段检测进阶模型Cascade R-CNNCascade R-CNN的IoU分析Cascade R-CNN网络结构Cascade-RCNN模型效果两阶段检测进阶模型Libra R-CNN2 两阶段检测进阶模型优化策略3 工业应用:铝压铸件质检目录1 两阶段检测进阶模型介绍两阶段检测进阶模型

2020-09-24 20:56:21

【百度飞浆】RCNN系列目标检测算法详解

RCNN系列目标检测算法详解目录两阶段目标检测算法发展历程R-CNNR-CNN网络结构R-CNN网络效果Fast R-CNNFast R-CNN网络效果Faster R-CNNFaster R-CNN网络结构Anchor(锚框)RPN网络结构RPN网络训练策略RPN网络监督信息RPN网络LOSSRPN网络回归分支Loss生成ProposalsRol PoolingRol Pooling不足Rol AlignBBox HeadBBox Head中的监督信息BBox Head LossFaster R-CNN效

2020-09-24 10:53:05

【百度飞浆】目标检测综述

目标检测综述什么是目标检测应用场景商品检测智慧交通巡检:安全生产巡检:输电通道本体及缺陷识别存在的挑战垂类细分领域算法进展传统目标检测算法深度学习的优势两阶段之RCNN:深度学习方法提取特征两阶段之Fast/Faster-RCNN两阶段之Fast/Faster-RCNNAnchor和Anchor-Based方法Anchor-Based方法Anchor-Based方法:一阶段Anchor缺点Anchor-Free方法深度学习算法小结三类算法的对比基础概念常用开源数据集PaddleDetection端到端开发套

2020-09-22 11:00:08

深度神经网络实践:车牌识别

深度神经网络实践:车牌识别任务描述:深度神经网络(DNN)数据集介绍1、数据准备2、定义模型3、训练模型4、模型评估5、使用模型5.1对车牌图像进行预处理5.2 对标签进行转换5.3 使用模型进行预测任务描述:本次实践是一个多分类任务,需要将照片中的每个字符分别进行识别,完成车牌的识别实践平台:百度AI实训平台-AI Studio、PaddlePaddle1.8.0 动态图深度神经网络(DNN)深度神经网络(Deep Neural Networks,简称DNN)是深度学习的基础,其结构为inpu

2020-09-21 21:08:18

Python Matplotlib基本用法

Python Matplotlib基本用法1. 认识Matploblib1.1 Figure1.2 Axes1.3 Multiple Axes1.4 Axes Vs .pyplot2. 基本绘图2D2.1 线2.2 散点图2.3 条形图2.4 直方图2.5 饼图2.6 箱形图2.7 泡泡图2.8 等高线(轮廓图)3 布局、图例说明、边界等3.1区间上下限3.2 图例说明3.3 区间分段3.4 布局3.5 轴相关Matplotlib 是Python中类似 MATLAB 的绘图工具,熟悉 MATLAB 也可以

2020-09-09 17:49:10

深度学习入门之线性模型和梯度下降

线性模型和梯度下降这是神经网络的第一课,我们会学习一个非常简单的模型,线性回归,同时也会学习一个优化算法-梯度下降法,对这个模型进行优化。线性回归是监督学习里面一个非常简单的模型,同时梯度下降也是深度学习中应用最广的优化算法,我们将从这里开始我们的深度学习之旅。一元线性回归一元线性模型非常简单,假设我们有变量 xix_ixi​ 和目标 yiy_iyi​,每个 i 对应于一个数据点,希望建立一个模型y^i=wxi+b\hat{y}_i = w x_i + by^​i​=wxi​+by^i\hat

2020-09-05 16:24:56

Numpy:高性能科学计算和数据分析的基础包

Numpy:高性能科学计算和数据分析的基础包概述基础数据类型:ndarray数组为什么引入ndarray数组案例1:实现a+1的计算案例2:实现c=a+b的计算创建ndarray数组查看ndarray数组的属性改变ndarray数组的数据类型和形状ndarray数组的基本运算标量和ndarray数组之间的运算两个ndarray数组之间的运算ndarray数组的索引和切片一维ndarray数组的索引和切片多维ndarray数组的索引和切片ndarray数组的统计方法随机数np.random创建随机ndarra

2020-09-04 17:59:08

机器学习理论《统计学习方法》学习笔记:第六章 逻辑斯谛回归与最大熵模型

机器学习理论《统计学习方法》学习笔记:第六章 逻辑斯谛回归与最大熵模型6 逻辑斯谛回归与最大熵模型6.1 逻辑斯谛分布6 逻辑斯谛回归与最大熵模型逻辑斯谛回归(logistic regression)是统计学习中的经典分类方法。最大熵是概率模型学习的一个准则,将其推广到分类问题得到最大熵模型(maximum entropy model)。逻辑斯谛回归模型与最大熵模型都属于对数线性模型。6.1 逻辑斯谛分布逻辑斯谛分布:设XXX是连续随机变量,XXX服从逻辑斯谛分布是指XXX具有下列分布函数和密度

2020-08-31 10:47:06

科普:人工智能、机器学习、深度学习的关系

人工智能、机器学习、深度学习的关系近些年人工智能、机器学习和深度学习的概念十分火热,但很多从业者却很难说清它们之间的关系,外行人更是雾里看花。在研究深度学习之前,我们先从三个概念的正本清源开始。概括来说,人工智能、机器学习和深度学习覆盖的技术范畴是逐层递减的。人工智能是最宽泛的概念。机器学习是当前比较有效的一种实现人工智能的方式。深度学习是机器学习算法中最热门的一个分支,近些年取得了显著的进展,并替代了大多数传统机器学习算法。三者的关系如 图1 所示,即:人工智能 > 机器学习 > 深度学习

2020-08-31 10:30:10

零基础实践深度学习之数学基础

零基础实践深度学习之数学基础深度学习常用数学知识数学基础知识高等数学线性代数行列式矩阵向量线性方程组矩阵的特征值和特征向量二次型概率论和数理统计随机事件和概率随机变量及其概率分布多维随机变量及其分布随机变量的数字特征数理统计的基本概念深度学习常用数学知识为什么图片能被计算机读取?为什么我们可以用CNN对成千上万中图片进行分类,这背后的原理是什么?在了解原理之前,先给大家补点数学知识。因为无论是深度学习还是机器学习,背后都是有一些数学原理和公式推导的,所以掌握必备的数学知识必不可少,下面会给大家简单科

2020-08-23 15:08:40

计算机视觉:数据预处理-图像增广方法

计算机视觉:数据预处理-图像增广方法数据预处理随机改变亮暗、对比度和颜色等随机填充随机裁剪随机缩放随机翻转随机打乱真实框排列顺序图像增广方法汇总批量数据读取与加速数据预处理在计算机视觉中,通常会对图像做一些随机的变化,产生相似但又不完全相同的样本。主要作用是扩大训练数据集,抑制过拟合,提升模型的泛化能力,常用的方法见下面的程序。随机改变亮暗、对比度和颜色等import numpy as npimport cv2from PIL import Image, ImageEnhanceimp

2020-08-23 11:03:23

计算机视觉:基于YOLO-V3林业病虫害目标检测

计算机视觉:基于YOLO-V3林业病虫害目标检测林业病虫害数据集和数据预处理方法介绍读取AI识虫数据集标注信息数据读取和预处理数据读取数据预处理**随机改变亮暗、对比度和颜色等****随机填充****随机裁剪****随机缩放****随机翻转****随机打乱真实框排列顺序****图像增广方法汇总**批量数据读取与加速单阶段目标检测模型YOLO-V3YOLO-V3 模型设计思想产生候选区域生成锚框生成预测框对候选区域进行标注标注锚框是否包含物体标注预测框的位置坐标标签标注锚框包含物体类别的标签标注锚框的具体程序

2020-08-22 19:55:40

计算机视觉:单阶段目标检测模型YOLO-V3

与R-CNN系列算法不同,YOLO-V3使用单个网络结构,在产生候选区域的同时即可预测出物体类别和位置,不需要分成两阶段来完成检测任务。另外,YOLO-V3算法产生的预测框数目比Faster R-CNN少很多。Faster R-CNN中每个真实框可能对应多个标签为正的候选区域,而YOLO-V3里面每个真实框只对应一个正的候选区域。这些特性使得YOLO-V3算法具有更快的速度,能到达实时响应的水平。

2020-08-22 19:22:07

AI识虫:林业病虫害数据集和数据预处理方法

使用百度与林业大学合作开发的林业病虫害防治项目中用到昆虫数据集。在这一小节中将为读者介绍该数据集,以及计算机视觉任务中常用的数据预处理方法。林业病虫害数据集和数据预处理方法林业病虫害数据集和数据预处理读取AI识虫数据集标注信息数据读取和预处理数据读取数据预处理**随机改变亮暗、对比度和颜色等****随机填充****随机裁剪****随机缩放****随机翻转****随机打乱真实框排列顺序****图像增广方法汇总**批量数据读取与加速林业病虫害数据集和数据预处理读取AI识虫数据集标注信息AI识虫数据集.

2020-08-22 16:33:16

计算机视觉:目标检测的发展历程与基础概念

计算机视觉:目标检测的发展历程与基础概念目标检测发展历程目标检测基础概念边界框(bounding box)锚框(Anchor box)交并比对计算机而言,能够“看到”的是图像被编码之后的数字,但它很难理解高层语义概念,比如图像或者视频帧中出现的目标是人还是物体,更无法定位目标出现在图像中哪个区域。目标检测的主要目的是让计算机可以自动识别图片或者视频帧中所有目标的类别,并在该目标周围绘制边界框,标示出每个目标的位置,如 图1 所示。图1:图像分类和目标检测示意图图1(a)是图像分类任务,只需识别

2020-08-21 23:01:06

计算机视觉:基于眼疾分类数据集iChallenge-PM图像分类经典模型剖析(LeNet,AlexNet,VGG,GoogLeNet,ResNet)

计算机视觉:图像分类经典模型LeNetLeNet在手写数字识别上的应用图像分类是根据图像的语义信息对不同类别图像进行区分,是计算机视觉的核心,是物体检测、图像分割、物体跟踪、行为分析、人脸识别等其他高层次视觉任务的基础。图像分类在许多领域都有着广泛的应用,如:安防领域的人脸识别和智能视频分析等,交通领域的交通场景识别,互联网领域基于内容的图像检索和相册自动归类,医学领域的图像识别等。本节将基于眼疾分类数据集iChallenge-PM,对图像分类领域的经典卷积神经网络进行剖析,介绍如何应用这些基础模块构建

2020-08-21 15:48:21

机器学习理论《统计学习方法》学习笔记:第五章 决策树

机器学习理论《统计学习方法》学习笔记:第五章 决策树决策树决策树决策树(Decision Tree)是一种基本的分类与回归方法。本章主要用于分类的决策树。决策树模型呈树形结构,在分类问题中,表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合,也可以认为是定义在特征空间与类空间上的条件概率分布。决策树的主要优点是:模型具有可读性,分类速度快。学习时,利用训练数据,根据损失函数最小化的原则建立决策树模型。预测时,对新的数据,利用决策树模型进行分类。决策树模型学习通常包括3个步骤:特

2020-08-20 15:45:20

计算机视觉:卷积神经网络基础

计算机视觉基础:图像分类、目标检测、图像语义分割、实例分割计算机视觉计算机视觉计算机视觉作为一门让机器学会如何去“看”的科学学科,具体的说,就是让机器去识别摄像机拍摄的图片或视频中的物体,检测出物体所在的位置,并对目标物体进行跟踪,从而理解并描述出图片或视频里的场景和故事,以此来模拟人脑视觉系统。因此,计算机视觉也通常被叫做机器视觉,其目的是建立能够从图像或者视频中“感知”信息的人工系统。计算机视觉技术经过几十年的发展,已经在交通(车牌识别、道路违章抓拍)、安防(人脸闸机、小区监控)、金融(刷脸支付

2020-08-19 10:12:12

机器学习理论《统计学习方法》学习笔记:第四章 朴素贝叶斯法

机器学习理论《统计学习方法》学习笔记:第三章 朴素贝叶斯法4 朴素贝叶斯法4.1 朴素贝叶斯法的学习与分类4.1.1 基本方法4.1.2 后验概率最大化的含义4.2 朴素贝叶斯法的参数估计4.2.1 极大似然估计4.2.2 学习与分类算法4.2.3 贝叶斯估计本章概要4 朴素贝叶斯法朴素贝叶斯(native bayes)法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集,首先基于特征条件独立假设学习输入输出的联合概率分布;然后基于此模型,对给定的输入x,利用贝叶斯定理求出后验概率最大

2020-08-17 18:13:41

查看更多

勋章 我的勋章
  • GitHub
    GitHub
    绑定GitHub第三方账户获取
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 1024勋章
    1024勋章
    #1024程序员节#活动勋章,当日发布原创博客即可获得
  • 勤写标兵Lv4
    勤写标兵Lv4
    授予每个自然周发布9篇以上(包括9篇)原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。
  • 分享达人
    分享达人
    成功上传6个资源即可获取