- 博客(14)
- 收藏
- 关注
RSS订阅原创 训练集、验证集、测试集：核心区别与协作逻辑
三者是机器学习（尤其目标检测如 YOLO）中保障模型 “能学会、不学偏、泛化强” 的关键数据划分，核心差异体现在和上，可通过 “学生备考” 类比快速理解。
2025-09-12 21:21:29
793
原创 YOLO 命令使用全解析：val/predict 区别、模型差异与实操指南
Ultralytics YOLO 的命令行界面（CLI）通过。YOLOv8 提供不同 “规模” 的预训练模型，以平衡。格式，不同参数间用空格分隔，不要用。在 VOC 数据集上训练。
2025-09-12 21:07:38
580
原创 偏差校正（Bias Correction）
mtβ1mt−11−β1gtvtβ2vt−11−β2gt2初始化时m00v00训练初期的mt和vt会 系统性偏小，低估真实的梯度均值和方差。
2025-09-11 18:14:33
428
原创 SGD 与 Adam 优化算法总结
常见的优化方法有 SGD（随机梯度下降） 和 Adam（Adaptive Moment Estimation）。但在一些严格需要泛化的场景（如图像分类），Adam 可能不如 SGD 稳定。Adam 同时考虑梯度的 一阶统计量（均值） 和 二阶统计量（方差）。更新时：方向由 $ m_t $ 决定，步长由 $ v_t $ 缩放。Adam： 收敛快，适合 NLP、稀疏特征、非平稳目标。$ v_t $：追踪梯度平方的均值（类似能量/方差）。$ m_t $：相当于带“惯性”的梯度（类似速度）。
2025-09-11 18:02:41
1077
原创 YOLOv8s 和 YOLOv8n
若设备算力有限（如只有 CPU 或低端 GPU），且需要极致速度，选 n；若设备有一定算力（如中端 GPU），且希望在速度不损失太多的前提下提升精度，选 s。
2025-09-10 22:48:49
917
原创 FPN基础概念
用一堆预设框 + 预测调整量。FCOS：每个点直接回归到边界。FPN 融合：1×1 卷积（通道对齐） + 上采样（空间对齐） + 相加（融合语义和细节）。
2025-09-06 22:40:27
268
原创 Anchor-Free 目标检测：FCOS 与 CenterNet 深度解析与对比
预测自己属于哪一类（cat, dog, car... 或者背景）。框里的点会被标注为目标类别，框外的点就是背景。如果点在某个框里，就预测四个值。通过这些值就能恢复一个完整的矩形框。表示自己离目标中心有多近（0~1之间的数）。中心点 → 值大，可信度高；靠近边缘的点 → 值小，可信度低。在推理阶段，预测框的置信度 = 分类概率 × 中心度，这样可以自动压制掉“边缘点”生成的抖动框。
2025-09-06 21:39:08
414
原创 目标检测（基础二）
flickr5003323<object>horseRight0101<bndbox>10096355324</bndbox><bndbox>
2025-09-06 21:31:31
342
原创 目标检测（基础）
在特征图的每个格子（cell）上，预先放置一些固定大小和比例的矩形框。：作为“检测的起点”，网络预测每个框里是否有目标，并微调框的位置。
2025-09-04 21:34:26
388
原创 Linux内核
最早使用优先算法，使用红黑树把进程按照截止期限从小到大进行排序，每次调度选择绝对截止期限最小的进程，当它用完限期时间后，会让出CPU，并且把从运行队列中删除,在下一个时间中，再加入到运行队列中。独立运行在内核空间的进程，与普通进程的区别是在于内核线程没有独立的进程地址空间。在一个调度周期里面，所有进程的虚拟运行时间是相同的，所以在进程调度时，只需要找到虚拟运行时间最小的进程调度运行即可。优先级最高，停机进程是优先级最高的进程，可以抢 占所有的进程，其他所有进程不可能抢占停机进程。
2025-08-31 10:04:28
489
原创 Redis基础
setnx设置时，如果key已存在，则失败，返回0，成功则返回1。在redis.windows.conf中将此处的注释取消。求keyy_set_02 和keyy_set 的交集。其中123456就是自己修改后的密码。可以删除100中的namefield。查询列表中的元素的个数。
2025-08-30 11:46:20
276
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