- 博客(12)
- 收藏
- 关注
RSS订阅原创 目标检测7——SSD: Single Shot MultiBox Detector
SSD300 在 59 FPS时实现 74.3% mAP ，而SSD500 在 22 FPS 时实现 76.9% mAP，优于Faster R-CNN（7 FPS 时 73.2% mAP）和YOLOv1（45 FPS 时 63.4% mAP）
2024-01-14 23:48:58
1181
1
原创 目标检测5——Faster R-CNN（RPN网络代替Selective Search来获取候选框）
Faster R-CNN 在 Fast R-CNN 的基础上利用 RPN 网络代替 Selective Search 来获取候选框得到更快的检测速度
2024-01-13 19:58:52
1845
1
原创 目标检测4——Fast R-CNN（ROI Pooling、SVD、Multi-task Loss等新特性实现端到端的训练并显著提升训练和推理的速度）
Fast R-CNN 利用 ROI Pooling、SVD、Multi-task Loss 等新特性实现端到端的训练并显著提升训练和推理的速度
2024-01-12 23:25:04
1205
1
原创 目标检测3——SPPNet（空间金字塔池化可以接收任何尺度的图像）
SPPNet采用空间金字塔池化可以使得任意大小的特征图都能够转换成固定大小的特征向量
2024-01-12 16:09:28
1118
1
原创 目标检测2——R-CNN（将CNN网络应用在目标检测领域的开山之作）
R-CNN 的全称为 Regions with Convolutional Neural Network FeaturesR-CNN 是一种基于 Region Proposal 的 CNN 网络结构R-CNN 是将深度学习应用到目标检测领域的经典之作，并凭借卷积神经网络出色的特征提取能力，大幅度提高了目标检测的效果尽管R-CNN显著地提高了目标检测的效果。
2024-01-11 23:25:37
1006
1
原创 目标检测1——二阶段目标检测概述
两阶段目标检测是基于 region proposals（区域推荐）产生目标候选框，然后再对候选区域进行分类与回归，其中有如下相关算法：R-CNN、SPPNet、Fast R-CNN、Faster R-CNN、FPN、Mask R-CNN
2024-01-11 23:05:18
857
1
原创 NLP基础2-词向量之Word2Vec
词嵌入是一种将词汇表中的单词或短语映射为固定长度向量的技术，通过词嵌入技术我们可以将 one-hot 编码表示的高维稀疏向量转为低维稠密的向量。
2023-11-02 20:22:07
227
1
原创 NLP基础1-词向量之序号化，One-Hot，BOW/TF，TF-IDF
在分词之后，需要将文本数据转换成数值型数据。序号化、哑编码 (One-Hot)、词袋法 (BOW/TF)、TF-IDF
2023-11-01 14:50:03
319
1
原创 机器学习1 - K近邻算法 + 面试题
小白解释：想象你在一个新城市，你想找到一个好的餐厅。你可能会问附近的几个人 (邻居) 他们的建议，然后选择最多推荐的餐厅。在应用中，k值一般取比较小的值，并采用交叉验证法进行调优。
2023-10-03 19:01:02
184
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