思考人生

论文名称：Rich feature hierarchies for accurate object detection and semantic segmentation 发表：CVPR2014 作者：Ross Girshick；Jeff Donahue；Trevor Darrell；Jitendra Malik；UC Berkeley；ICSI mAP:ＶＯＣ２０１２实现35....

detection：mAP、准确率、召回率 tracking： mAP(mean average precision)准确率&召回率准确率(Precision Rate)：系统检索到的相关文件 / 系统所有检索到的文件总数 召回率(Recall Rate)：系统检索到的相关文件 / 系统所有相关的文件总数 一般来说，准确率和召回率此消彼长，理想情况下可以做到...

创新将目标检测作为回归问题，实现端到端训练和检测。对比1.与RCNN和Fast RCNN对比：yolo没有求取proposal region，而RCNN/Fast RCNN需要通过selective research提取候选框，导致训练过程分为多个模块。 与Faster RCNN对比：尽管用RPN 网络代替selective research，将RPN集成到Fast RCNN中，...

程序创新点多任务损失：在单个训练过程中引入multi-task loss，简化学习的同时，提高检测精度，通过multi-task loss，在分类候选区域的同时，refine目标框的空间位置； 参数更新：所有层参数均可在训练中更新，SPPNet共享卷积层特征的情况下，阻止了误差反向传播通过网络，限制了检测精度的提升； 存储问题：无需在磁盘中存储特征；R-CNN缺点mu...

借鉴YOLO：直接回归bbox和分类概率； 借鉴Faster R-CNN：使用anchor提升识别准确度; 借鉴FPN：加入金字塔的检测方式； 结合两者优点，提高速度上超过YOLO，精度上与Faster R-CNN媲美；网络结构base network采用VGG19提取卷积特征，在后面添加一系列卷积层，进行多尺度检测，低层特征保留图像的细节信息，用于检测较小的目标，高层...

线性回归线性回归是一个回归问题，即用一条线去拟合训练数据。 模型：根据训练数据学习一个特征的线性组合，作为预测函数。 学习策略：最小化均方误差损失函数，求解参数w；（注意与感知机的区别，此处误分类点与坐标轴垂直） 求解方法： 最小二乘法，梯度下降法（两者的区别） 最小二乘法：对目标损失函数求导，导数为零的点对应的参数，就是待求参数： 均方误差函数： 目标函数对参数的...