eurus_的博客

两者的本质相同，分类和回归的区别在于输出变量的类型。定量——连续——回归定性——离散——分类用于回归：最后一层有m个神经元，每个神经元输出一个标量，m个神经元的输出可以看作向量V，现全部连到一个神经元上，则这个神经元的输出为wx+b,是一个连续值，可以处理回归问题用于分类：现在把这m个神经元连接到N个神经元，就有N组w值不同的wv+b,同理，可以归一化（softmax）变成N个类上...

传统的机器学习的流程是由多个独立的模块组成，每一个独立的任务其结果的好坏都会影响到下一个步骤，从而影响到整个训练的结果，这个是非端到端的而深度学习模型在训练过程中，从输入端（输入数据）到输出端会得到一个预测结果，与真实结果相比较会得到一个误差，这个误差会在模型中的每一层传递（反向传播），每一层的表示都会根据这个误差来做调整，直到模型收敛或达到预期的效果才结束，这是端到端的。两者相比，端到端...

本文介绍了用卷积神经网络改进传统NMS的方法，文章来源于2016ICLR《A CONVNET FOR NON-MAXIMUM SUPPRESSION》，该文章状态为正在审核。1-传统的NMS2-NMS-ConvNet2-1 映射制作score map2-2 制作IOU层2-3 网络解析2-4 输出及Loss未完待续1-传统的NMSNMS，非极大值抑制，在很多计算机视觉问题中有...