木盏

GELU是一种常见的激活函数，其图像与ReLU、ELU对比如下：文章链接：https://arxiv.org/pdf/1606.08415.pdf

在研究目标检测算法的时候，通常会遇到如何稀疏化检测框这个问题。无论是anchor-based还是anchor-free的检测算法，输出的检测框在未经处理的时候，都很容易出现很多重复度很高的box, 这样从一定程度上会影响模型的准确率。通常，NMS是比较常用的合并检测框的方法，不了解的可以戳《NMS》。本文介绍的是WBF，一种加权的检测框合并算法，也适用于与多模型的预测结果合并。

MPJPE是“Mean Per Joint Position Error”，即“平均（每）关节位置误差”。MPJPE常常用于3D Human Pose Estimation算法的评价指标。

如果非要找一个模型来作为近三年来AI算法进展的突出代表，我认为transformer定会高票当选。本文作为算法解析文章，倡导思想为主，公式为辅，希望有助于大家理解transformer。行文逻辑为总-分-总结构。本文所有未标来源的图片均为本人所画，引用时请附上本文链接。

朴素贝叶斯分类器，英文叫’naive Bayes classifier’.顾名思义，就是很naive的一个算法。naive主要体现在一个方面 —— “属性条件独立性假设”。就是用贝叶斯算法进行分类的时候，假设所有的属性相互独立。 公式符号说明：AAA表示输入属性，等价x和x⃗x→\vec{x}(x粗写表示这是一个多维向量)。BiBiB_i表示分类的类别，等价ccc。xixix_i表示x...

贝叶斯公式是大学概率论中很基础的公式。但贝叶斯公式有一个特性就是，很容易忘记的。在机器学习中，贝叶斯公式可以说是非常重要了。本文从贝叶斯公式出发，探索贝叶斯所贯穿的机器学习算法。 以下是二事件（事件A和事件B）下的贝叶斯公式： P(A|B)表示在B已经发生的情况下A发生的概率，P(A)表示A事件发生的概率。用面积法可以加深这个公式的理解和记...