it_lxg123的博客

机器学习中的评价指标当一个机器学习模型建立好了之后，即模型训练已经完成，我们就可以利用这个模型进行分类识别。 正例，所关注的识别目标就是正例。负例，正例以外就是负例。 TP、FN、TN、FP的各自含义（其中T代表True，F代表False，P即Positives，N即Negatives）： 混淆矩阵 真实正例 真实负例 检测正例 TP ...

目标检测 1.大体步骤i1）候选框的选取Selective Search 2) 特征提取（featuremap） 3）特征分类 （SVM 支持向量机分类） 4）精修—>回归器2.RCNN(1)RCNN的四个步骤1）一张图经过ss方法生成1K到2k个候选框2）对每个候选框进行提取特征，使用深度网络进行提取feature map3）特征送入每一类送到SVM分类器，判别是否属于该类

目标检测 1.大体步骤i1）候选框的选取Selective Search 2) 特征提取（featuremap） 3）特征分类 （SVM 支持向量机分类） 4）精修—>回归器2.RCNN(1)RCNN的四个步骤1）一张图经过ss方法生成1K到2k个候选框2）对每个候选框进行提取特征，使用深度网络进行提取feature map3）特征送入每一类送到SVM分类器，判别是否属于该类

安装TensorFlowAnaconda初步学习0.下载Anaconda安装包Anaconda官方下载地址 下载的是Anaconda4.3.0For Windows 64bit（内置python3.6） 下载好了就安装，一直下一步。 1.检查Anaconda是否成功安装：conda –version如果成功的话会显示 conda 4.3.82.检测目前安装了那些环境：conda info

全卷积网络 Fully Convolutional NetworksCNN ​ 通常CNN网络在卷积层之后会接上若干个全连接层，将卷积层产生的特征图（feature map）映射成一个固定长度的特征向量。​ FCN 对图像进行像素级的分类，从而解决了语义级别的图像分割（semantic segmentation）问题，与经典的CNN 在卷积层之后使用全连接层得到固定长度的特征向量，...

1. 介绍计算机视觉领域，全卷积网络（FCN）是比较有名的图像分割网络，医学图像处理方向，U-Net可以说是一个更加炙手可热的网络。医疗分割问题，都可以通过U-Net架构，进行相应问题处理，得到分割效果。U-Net和FCN非常的相似，U-Net比FCN稍晚提出来，但都发表在2015年，和FCN相比，U-Net的第一个特点是完全对称，也就是左边和右边是很类似的，而FCN的decoder相对简...