- 博客(6)
- 收藏
- 关注
RSS订阅原创 神经网络研学-4
稀疏性的优点：1.如果输入的参数发生了一个很小的改动。引入:假如我们有一张224*224的图片，在使用5*5卷积核的情况下，我们需要44层才能将输入降低到4*4，需要大量的计算才能得到较小的输出，那有没有简便的方法去计算呢。（4）核函数方法可以和不同的算法相结合，形成多种不同的基于核函数技术的方法，且这两部分的设计可以单独进行，并可以为不同的应用选择不同的核函数和算法。（3）核函数的形式和参数的变化会隐式地改变从输入空间到特征空间的映射，进而对特征空间的性质产生影响，最终改变各种核函数方法的性能。
2025-01-18 15:54:56
1330
原创 神经网络研学-3
在多目标跟踪技术中，ByteTrack 凭借高效利用低置信度检测结果，在遮挡和密集场景中表现优异，是当前性能最为平衡的算法之一。TrackFormer 基于 Transformer 的架构，擅长复杂长时间关联任务，但实时性不足，适合计算能力充足的环境。经典的 DeepSORT 则以简单高效著称，适合中小规模的跟踪任务。综合来看，ByteTrack 是性能与实时性兼具的最佳选择，FairMOT 在精度上略胜一筹，而 TrackFormer 和 DeepSORT 则分别适用于复杂和基础的应用场景。
2025-01-16 20:26:41
246
转载 神经网络研学-2
基本思想是在多个重叠的候选框中，只保留置信度最高的那个候选框，而将其他重叠度超过一定阈值的候选框抑制掉。YOLO设计可实现端到端训练和实时的速度，同时保持较高的平均精度。7×7可以看做图像被划分为49个小区域，每个区域预测2(B=2)个边框，则每张图像上网络预测98个边界框和每个框的类别概率。在Pascal VOC上评估YOLO，使用S=7，B=2。Yolo原理将目标检测重新定义为一个单一的检测问题，从图像像素直接到边界框坐标和类别概率。YOLO将输入图像分成S×S的网格。我们最终的预测是7×7×30的。
2025-01-16 19:25:41
25
1
转载 神经网络研学-1
Hebbin原理是神经科学上的一个理论，解释了在学习的过程中脑中的神经元所发生的变化，用一句话概括就是fire togethter, wire together。时，只在先把许多不同的图像样板和对应的应识别的结果输入人工神经网络，网络就会通过自学习功能，慢慢学会识别类似的图像。寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈型人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。卷积层是卷积神经网络（CNNs）的核心层，用来提取输入数据的局部特征，如边缘、角点等。
2025-01-16 19:17:39
18
原创 利用java客户端研究NTP
客户端与服务端之间的时间差（Offset）：Offset = ((T2 - T1) + (T3 - T4)) / 2。NTP报文从客户端到服务器的往返延迟（Delay）：Delay = (T4 - T1) - (T3 - T2)
2025-01-16 14:19:27
355
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