Jack11998的博客

主要是对近几年关于小目标的顶会文章做个总结以及自己对于这个领域的理解

卷积与图像去噪写这篇博文完全是为了自己理一下卷积的相关概念以及思路。先来说一下什么是噪声，噪声就说图像中的白点，也就是图像中为255的那些像素。噪声分为椒盐噪声(黑色像素和白色像素随机出现)，脉冲噪声(白色像素随机出现)，高斯噪声(噪声强度变化服从高斯分布(正态分布))。解决方法：中值滤波，即用一个3*3的方框框柱图像里的像素，中间像素的值用框柱的九个值的中间值替代如下图：下面我来介绍什么是卷积以及为什么会有卷积的出现。我们知道，在卷积出来之前，几乎用的都是全连接神经网络，但是对于图像而言，直接

机器学习的分类根据训练数据是否有标记信息可分为监督学习和无监督学习科学推理归纳和演绎评估方法留出法定义：直接将数据集D划分为两个互斥的集合。其中一个集合作为训练集，一个作为测试集。常见做法是2/3-4/5的样本用于训练，剩余样本用于测试。交叉验证法定义：先将数据D划分为K个大小相似的互斥子集，每个子集Di尽量可能保持数据分布的一致性，即从D中通过分层采样得到。然后，每次用k-1个子集的并集作为训练集，余下的那个子集作为测试集。因此交叉验证的评估结果的稳定性和保真性在很大程度上取决于k的取

机器学习的分类有监督学习和无监督学习有监督学习：提前知道答案无监督学习：不知道答案，自己找答案线性回归其中Cost function市代价函数，用来评价线性回归函数的拟合度。梯度下降法主要用来寻找最佳参数其中图片中的阿尔法是学习率，他主要是用来决定在每一步接近最佳解时走的步长。多元线性回归在原来一个X的基础上上升到了多个X尽量要把特征的值缩到-1<=x<=1之间，这里采用均值归一化处理(x-均值)/(最大值-最小值)...