- 博客(6)
- 收藏
- 关注
RSS订阅原创 Datawhale X 李宏毅苹果书AI夏令营
批归一化（Batch Normalization，简称BN）是深度学习中一种常用的技术，由Sergey Ioffe和Christian Szegedy在2015年提出。其核心原理是在网络训练的每一层，对每批次的输入或输出数据进行规范化处理，使其具有零均值和单位方差。这一过程可以显著提升神经网络的训练效率，增强模型的泛化能力。
2024-09-02 14:54:34
1350
原创 Datawhale夏令营 CV
对于一张输入图像，YOLO的输出是一个S×S×(B×5+C)的张量，其中每个边界框包含5个预测值：(x, y, w, h, confidence)，分别表示边界框的中心坐标（相对于网格的偏移量）、宽度和高度（相对于整个图像的归一化值），以及置信度（表示边界框内存在目标的概率与边界框和真实框之间的交并比IOU的乘积）。- 置信度误差：分为包含目标的边界框和不包含目标的边界框，前者采用较大的权重，后者采用较小的权重。- 对于特征图中的每个网格，预测B个边界框的位置和大小，以及每个边界框的置信度。
2024-08-23 23:19:20
377
2
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