z135733的博客

RCNN在2013年在目标检测领域首次使用深度学习和卷积神经网络，他与Alex net一起引爆了21世纪第二个十年计算机视觉领域的技术爆炸。后续所有基于深度学习的目标检测——特别是两阶段目标检测算法。如Fast RCNN Faster R-CNN，都是在R-CNN上进行的迭代升级。所以弄懂RCNN特别重要。甚至可以说，没弄懂RCN后边的算法根本就看不懂。候选区域生成：利用Selective Search算法在每张图像上生成约2000个候选区域。这些候选区域被认为是可能包含目标的区域。特征提取。

卷积神经网络（Convolutional Neural Networks，CNN）是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习（deep learning）的代表算法之一。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification），因此也被称为“平移不变人工神经网络（Shift-Invariant Artificial Neural Networks, SIANN）”

神经网络是一种模拟生物神经系统的信息处理模型，由多个神经元组成。这些神经元通过连接传递信号，并按照一定的权重进行加权求和，最终输出一个结果。神经网络的学习过程是通过不断调整神经元之间的连接权重来实现的，使得神经网络能够更好地适应不同的输入数据。

本项目旨在通过爬取大量的评论数据，分析游客对潍坊和淄博的情感态度，从而为有意向去这两个城市旅游的人提供有价值的参考。通过对评论的情感分析，我们可以解游客对潍坊和淄博的整体评价以及他们在评论中表达的情感倾向。同时，我们还可以获取对这两个城市的客观评价、满意度水平和不满意之处的细节解。这些信息可以帮助旅游从业者、景点管理者和相关决策者更好地了解游客对潍坊和淄博旅游体验的感受，进一步改善景点的服务质量和提升游客的满意度。