CV在读

在目标检测任务中，全连接层（Fully Connected Layers，简称FC层）通常用于最后的输出阶段，尤其是，如，以及可能的其他附加信息。通常，在目标检测任务中，特征图（由卷积神经网络提取的特征）经过一系列的卷积、池化、特征提取后，会被（flatten）成一个一维的向量，然后传递到全连接层。全连接层的作用是将这些特征映射到最终的输出，例如预测目标框的坐标和类别。全连接层在目标检测中的关键作用是，例如：边界框回归（Bounding box regression）：用于预测目标边界框的位置。

参考：，也称为 1x1 卷积，是一种特殊的卷积操作，其中卷积核的大小为 1x1。这种卷积操作不会覆盖空间维度（height 和 width），而是只作用于每个位置上的所有通道，这使得逐通道卷积主要用于。

在卷积神经网络（CNN）中，“空间特征”和“通道特征”是指在特征图（feature map）中不同层次的表示方式，它们对应了不同的特征提取方式和信息处理方式。

是两种常见的池化操作，用来对特征图进行下采样，从而减少数据的维度，突出特征，同时降低计算成本。池化操作通常在卷积层之后进行，用来缩小特征图的尺寸，同时保持关键信息。

在经过全局池化后，特征图形状会从[b,c,h,w]变为[b,c,1,1]

特征金字塔介绍

分层结构的设计使得神经网络具有灵活性和可扩展性，可以根据不同的任务和数据集进行调整和修改。通常，骨干网络是由预训练模型提供的，而颈部网络和头部网络则可以根据具体的任务进行调整和定制。

使用yolov5来进行预测，图片的标注为左图所示，yolov5预测的结果如右图所示，可以看到模型预测的有错误：没有预测到窗户里的人，错把一只小狗预测成了泰迪。图片中有5个目标，但是模型只检测出一个目标（1个红色框），没有其他任何的检测框，所以TP=1，FP=0，故P = 1，因此P高并不能说明模型检测效果好。假设模型一次给出了50个预测框，包括了图中的5个目标，故TP=5，由于没有漏检目标，故FN=0，因此recall=1，故R高也不能说明模型预测的好。：针对小目标，目标像素面积<32平方。

参考博文和图片来源 ： Epoch vs Batch Size vs Iterations梯度下降算法是一种用于机器学习的迭代优化算法，用于寻找最佳结果(损失函数曲线的最小值)。该算法是迭代的（iterative），意味着我们需要多次进行多次计算才能得到最优的结果。梯度下降法有一个参数叫做学习率（learning rate）。如上图（左所示），一开始成本/损失函数（cost function）上的point下降的较快，说明学习率较大，步长大，随着该point的下降变慢，学习率逐渐减小，步长变慢。当数据太大的

作者博客资源：(88条消息) 手把手教你使用YOLOV5训练自己的目标检测模型-口罩检测-视频教程_肆十二的博客-优快云博客 由于我的GPU版本太低，所以使用CPU下载pytorch，具体如何下载在视频中有。 注意，要在之前创建好的虚拟环境下运行（我的虚拟环境叫yolo5，在代码所在的文件夹下） 输入命令： 把bus这张图片使用权重为yolov5s的预训练模型进行测试命令行会输出一下相关信息： 1. 使用pycharm打开代码文件夹，在interpreter setting中配置python

线性分类器bias偏差项：设置偏好值，如果你更希望某一类图片被识别出来，那么就设置该类别的bias大一些，比如训练集中猫的图片比狗多，那猫的bias就设置的比狗大课程资源：CS231n Convolutional Neural Networks for Visual Recognition作业一：CS231n Convolutional Neural Networks for Visual Recognition...

前导知识斯坦福计算机视觉提供tutorial：Python Numpy Tutorial (with Jupyter and Colab) Python中numpy包安装：(53条消息) Numpy的简明安装_yyuand的博客-优快云博客_numpy安装 3. 使用numpy：import numpy as npNumpy is the core library for scientific computing in Python. It provides a...

斯坦福计算机视觉提供tutorial：Python Numpy Tutorial (with Jupyter and Colab)Basic data types（基本数据类型）Number#numbersx=3print(x,type(x))print(x+1)print(x*2)print(x**2) #2倍y=2.5print(y,type(y))print(y,y*2,y**2)python没有x++，x--等二元操作符Boolean#bool..

数据驱动方法使用具有不同类别和标签的数据集，然后使用机器学习去训练一个分类器，使用该分类器去识别新的图片。训练数据集会会给定类别和对应的类别标签，分类器要识别的类从可以选的标签中进行选择第一个分类器：最近邻分类器（Nearest Neighbor）def train(images,labels):#一系列机器学习算法 return modeldef predict(model,test_images):#使用训练好的模型去预测标签 return test_lab

参考文献：目标检测 - 搜索结果 - 知乎目标检测的指标AP与mAP - 知乎1. 目标检测常用指标FPS：每秒处理的图像帧数 IoU：重叠度，真实边框和预测边框的交集面积与并集面积的比值 P R AP：把每一个R的P都求出来，取最大的P作为该R的P，然后 mAP：所有类别的AP的均值​​​​​​​目标检测的指标AP与mAP - 知乎关于AP和mAP（详见知乎）训练样本分为正例样本和反例样本，其中正例样本是指待检测目标样本，反例样本指不是目标需要检测的样本。准确率

目录什么是神经元？激活函数的作用？什么是神经网络？CNN怎么进行识别？计算机如何识别图像？CNN如何更准确人性化的对比图像？什么是卷积操作？感谢作者：CNN笔记：通俗理解卷积神经网络_v_JULY_v的博客-优快云博客_卷积神经网络通俗理解什么是神经元？神经网络由大量的神经元相互连接而成。每个神经元接受线性组合的输入后，最开始只是简单的线性加权，后来给每个神经元加上了非线性的激活函数，从而进行非线性变换后输出。每两个神经元之间的连接代表加权值，称...