x_iunknown的博客

条件概率先要从条件概率讲起，条件概率，一般记作P(A|B)，意思是当B事件发生时，A事件发生的概率。其定义为P(A∣B)=P(A∩B)P(B)P(A|B)=\frac{P(A\cap B)}{P(B)}P(A∣B)=P(B)P(A∩B)​其中 P(A∩B)P(A \cap B)P(A∩B) 意思是A和B共同发生的概率，称为联合概率。也可以写作 P(A,B) 或 P(AB)。注意，定义中A与...

分类问题已知m个样本 (x1,y1),......(xm,ym)(x^1,y^1), ...... (x^m,y^m)(x1,y1),......(xm,ym)，x是特征变量，y是对应的类别。要求一个模型函数h，对于新的样本 xtx^txt，能够尽量准确的预测出 yt=h(xt)y^t = h(x^t)yt=h(xt)。概率角度很多机器学习算法从误差角度来构建模型函数h，也就是先假设一个h...

YOLO（You Only Look Once）是一种基于深度神经网络的对象识别和定位算法，其最大的特点是运行速度很快，可以用于实时系统。现在YOLO已经发展到v3版本，不过新版本也是在原有版本基础上不断改进演化的，所以本文先分析YOLO v1版本。对象识别和定位输入一张图片，要求输出其中所包含的对象，以及每个对象的位置（包含该对象的矩形框）。对象识别和定位，可以看成两个任务：找到图片中...

YOLOv2相对v1版本，在继续保持处理速度的基础上，从预测更准确（Better），速度更快（Faster），识别对象更多（Stronger）这三个方面进行了改进。其中识别更多对象也就是扩展到能够检测9000种不同对象，称之为YOLO9000。关于YOLO v1的内容，请参考 YOLO v1深入理解。下面具体看下YOLO2都做了哪些改进。预测更准确（Better）论文[1]中给出了下面的改进...