- 博客(4)
- 收藏
- 关注
RSS订阅原创 Datawhale AI 夏令营 cv task2 笔记
3.从训练结果的性能精度上看，YOLOv8m/l/x这三种模型的训练结果精度相差不大，并没有出现随着模型尺寸的增大，训练结果越来越好的情况。1.从模型训练过程损失曲线上看，YOLOv8n/s/m/l/x这5个不同尺寸大小的模型训练过程的收敛速度相差不大；4.针对此数据集，从最终性能来看，这5种网络模型使用YOLOv8m大小的模型尺寸，即可达到最高精度需求，无需选用尺寸更大的YOLOv8l/x模型进行训练。2.从训练结果的性能精度上看，YOLOv8m/l/x > YOLOv8s > YOLOv8n。
2024-08-29 23:56:44
407
原创 datawhale ai 夏令营第五期深度学习详解-笔记1
还有好多的任务需要找一个很复杂的函数，以图像识 别为例，图像识别函数的输入是一张图片，输出是这个图片里面的内容。AlphaGo 也可以看 作是一个函数，机器下围棋需要的就是一个函数，该函数的输入是棋盘上黑子跟白子的位置， 输出是机器下一步应该落子的位置。机器要找一个函数 f，其输入是可能是种种跟预测 PM2.5 有关的指 数，包括今天的 PM2.5 的数值、平均温度、平均的臭氧浓度等等，输出是明天中午的 PM2.5的数值，找这个函数的任务称为回归(regression)。可是怎么知道损 失函数的形状?
2024-08-26 23:57:50
809
原创 Datawhale AI 夏令营CV方向 task1
本次赛事大要求是聚焦城市违规行为的智能检测，要求选手研究开发高效可靠的计算机视觉算法，提升违规行为检测识别的准确度，降低对大量人工的依赖，提升检测效果和效率，从而推动城市治理向更高效、更智能、更文明的方向发展，为居民创造一个安全、和谐、可持续的居住环境。在YOLO算法中，输入图像首先被划分为网格（grid），每个网格单元负责预测固定数量的边界框（bounding box）以及这些边界框中的目标类别。每个网格单元通过共享卷积层来提取特征，并使用全连接层来预测边界框和类别概率。对图像中的目标进行识别和定位。
2024-08-23 00:09:21
220
原创 【Datawhale AI 夏令营 Task1 笔记&心得】
大模型部署【搭建你的智能编程助手】大模型RAG实战【搭建你的AI科研助手】大模型微调实战【搭建你的AI简历助手】整个学习活动聚焦于跑通 “星火大模型驱动阅读理解题库构建挑战赛挑战赛”，基于讯飞大模型定制训练平台和spark-13b微调模型，生成高考语文现代文阅读和英语阅读问题Q&A对。
2024-08-10 22:26:21
1347
1
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