- 博客(21)
- 收藏
- 关注
RSS订阅原创 yolov5
Head接收Neck融合后的多尺度特征图，并直接输出最终的检测结果。YOLOv5通常使用三个检测头，分别负责检测小、中、大三种不同尺度的物体，对应的特征图 strides 通常为 8、16 和 32（对于更高分辨率的模型，如 YOLOv5l6，还可能包含 stride 64 的检测头以应对极大物体）。每个检测头在特征图的每个网格单元上，基于预设的锚框，预测边界框的偏移量、物体置信度和类别概率。Neck的目标是将Backbone提取的深层语义特征（利于分类）和浅层细节特征（利于定位）进行有效融合。
2026-10-29 19:59:21
109
原创 初始opencv
边界填充：cv2.copyMakeBorder(src, top, bottom, left, right, borderType, value)，也叫模糊处理或滤波，核心作用是：抑制图像中的噪声和高频细节，让图像变得更平滑、更柔和。它是图像预处理中最常用的操作之一。阈值处理：ret, dst = cv2.threshold(src, thresh, maxval, type)= 低通滤波 = 去掉突变和噪声，保留大致轮廓和颜色分布。
2026-09-17 21:13:45
83
原创 自然语言处理-RNN
RNN 是序列建模的基础网络，通过隐藏状态在时间上传递信息。它参数共享、能处理变长序列，但简单 RNN 存在梯度消失和爆炸，难以学习长依赖。
2026-09-17 19:43:38
155
原创 自然语言处理-CBOW
我 爱 自然 语言 处理，如果中心词是 “自然”，窗口大小为 2，CBOW 要做的是：把这些上下文词作为输入，预测出中心词 “自然”。最终，语义相似的词因为常出现在相似的上下文里，被“拉扯”到了向量空间中相近的位置。预测是手段，低维词向量才是目的。通过一个共享的词向量矩阵，把每个上下文词映射成稠密向量，然后对这些向量求平均或求和。把上下文词的向量求平均，去猜中心词；猜得越准，词向量就被调整得越合理；把模型中的嵌入矩阵 W 取出来，作为每个词的向量表示。其中 c 是窗口大小，v 是输入词向量。
2026-09-16 21:13:21
578
原创 Nupmy
是 Python 中用于数值计算的核心库。它提供了快速、节省内存的多维数组，以及数学、线性代数、统计和随机数生成等工具。—— 一种存储同类型数据的 N 维数组。4.数组的降维5.创建特殊的数组6.numpy中常用的两个函数7.一维数组元素的选取与修改8.二维数组元素的选取与修改9.三维数组元素的选取与修改10.数组的组合11.numpy内数组元素的切割12.数组的算数运算13.数组的深拷贝与浅拷贝14.numpy内的随机模块儿15.numpy内的随机模块儿二16.numpy内一些函数的使用。
2026-09-16 20:13:45
141
原创 深度学习-卷积神经网络补充
（只对训练集做，随机水平翻转，随机旋转，颜色抖动，随机裁剪，MixUp，CutMi等）一般来说，我们希望在训练初期学习率大一些，使得网络收敛迅速，在训练后期学习率小一些，使得网络更好的收敛到最优解。1，有序调整：等间隔调整(Step)，多间隔调整(MultiStep)，指数衰减(Exponential)，余弦退火(CosineAnnealing);9，打乱、并行加载：shuffle=True，num_workers>0。6，转 Tensor：ToTensor()，变成 [C, H, W]
2026-09-14 21:25:27
162
原创 深度学习-卷积神经网络
（一组固定的权重：因为每个神经元的多个权重固定，所以又可以看做一个恒定的滤波器filter）做内积（逐个元素相乘再求和）的操作就是所谓的『卷积』操作，也是卷积神经网络的名字来源。3，池化层：如最大池化、平均池化，用于降维、减少计算量，并增强一定的平移不变性。图像分类、目标检测、语义分割、实例分割、人脸识别、OCR、医学影像、遥感、视频分析、语音识别、文本分类等。2，激活函数：引入非线性，常用 ReLU、Leaky ReLU、GELU。4，层级特征：浅层学边缘、纹理，深层学部件、物体语义。
2026-09-14 15:11:54
614
原创 机械学习-贝叶斯
是一种基于概率进行推理的方法，核心思想是：根据新的证据，不断更新我们对某个假设的信念程度。PA∣BPBPB∣A⋅PA其中：P(A)：先验概率，表示在观察到证据 B 之前，对事件 A 发生可能性的判断。P(B∣A)：似然，表示在事件 A发生的条件下，观察到证据 B 的概率。P(B)：边缘概率，表示证据 B 出现的总概率。P(A∣B)：后验概率，表示在观察到证据 B 之后，对事件 A 发生概率的更新判断。
2026-09-04 21:00:43
218
原创 机械学习-k-Means聚类算法
以簇内平方误差和 SSE为目标，不断迭代更新聚类中心，使得同一簇样本距离簇中心最近，不同簇中心尽可能远离。| n_clusters | 设定聚类簇数量K | 整数，根据肘部法则确定 || random_state | 随机种子，结果可复现 | 任意整数如42 || n_init | 随机初始化运行多少次取最优结果 | 默认10 || max_iter | 最大迭代次数 | 默认300 || 方法/属性 | 功能 | 调用示例 || 参数名 | 含义 | 常用取值 || 距离度量 | 默认欧氏距离 |
2026-08-13 09:49:37
231
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人