木木家

#coding:gbkimport mathimport copyimport numpy as npimport matplotlib.pyplot as pltisdebug = False# 指定k个高斯分布参数，这里指定k=2。注意2个高斯分布具有相同均方差Sigma，分别为Mu1,Mu2。def ini_data(Sigma,Mu1,Mu2,k,N): global

bounding box regression什么是IOU 为什么要做Bounding-box regression？  如上图所示，绿色的框为飞机的Ground Truth，红色的框是提取的Region Proposal。那么即便红色的框被分类器识别为飞机，但是由于红色的框定位不准(IoU回归/微调的对象是什么？ Bounding-

作者：Charles Xiao链接：https://www.zhihu.com/question/19645541/answer/91694636来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。一.定义辨析刚开始接触这两个概念的时候总搞混，时间一长就记不清了。实际上非常简单，精确率是针对我们预测结果而言的，它表示的是预测为正的样本中

机器学习(ML),自然语言处理(NLP),信息检索(IR)等领域,评估(Evaluation)是一个必要的 工作,而其评价指标往往有如下几点:准确率(Accuracy),精确率(Precision),召回率(Recall)和F1-Measure。(注： 相对来说，IR 的 ground truth 很多时候是一个 Ordered List, 而不是一个 Bool 类型的 Unordered Col

BP即Back Propagation的缩写，也就是反向传播的意思，顾名思义，将什么反向传播？一张动态图可以说明这个网络的工作原理应该很清楚了，首先，一组输入x1、x2、…、xm来到输入层，然后通过与隐层的连接权重产生一组数据s1、s2、…、sn作为隐层的输入，然后通过隐层节点的f(.)激活函数后变为fi(e)f其中sj表示隐层的第j个节点产生的输出，这些输出将通过隐层与输出层

高斯混合聚类算法的原理如下：由于在对数函数里面又有加和，我们没法直接用求导解方程的办法直接求得最大值。为了解决这个问题，我们采取之前从 GMM 中随机选点的办法：分成两步，实际上也就类似于 K-means 的两步。估计数据由每个 Component 生成的概率（并不是每个 Component 被选中的概率）：对于每个数据  来说，它由第  个 Component 生成的概率

from numpy import *import osimport time #inputX表示输入向量 #dataSet表示训练样本 #label表示训练样本的标签 #k是最近邻的参数，选最近k个def kNNclassify(inputX, dataSet, labels, k): dataSetSize = dataSet.shape[0]#计算有几个训练数据，s

这几天在看《Rich feature hierarchies for accurate object detection and semantic segmentation 》，觉得作者的科研素养非常棒，考虑问题很全面而且很有逻辑性；不过暂时有的地方看的也不是太懂，这里转载了一篇博客中的介绍，博主写的不错；博客链接：http://blog.youkuaiyun.com/wopawn/artic