TypechoJoeTheme

半醉残影

统计

那棵树看起来生气了

网站页面
类目归类
标签搜索
热门文章

最新文章

2021-06-20

卷积神经网络（CNN）推荐学习，持续更新
卷积神经网络（CNN）推荐学习，持续更新
综述CNN的几种经典模型卷积神经网络卷积神经网络超详细介绍深度学习AlexNet模型详细分析经典模型LeNet-5论文 1998, Yann LeCun, Gradient based learning applied to document-recognitionLeNet-5网络解析（一）：LeNet-5详解卷积神经网络 LeNet-5各层参数详解LeNet5的深入解析卷积神经网络的网络结构——以LeNet-5为例深度学习 CNN卷积神经网络 LeNet-5详解AlexNet论文 2012, Alex Krizhevsky, ImageNet Classification with Deep Convolutional Neural Networks深入理解AlexNet网络AlexNet详细解读卷积神经网络之AlexNetZFNet论文 [Visualizing and Understanding Convolutional Networks]()VGGNet论文 2014, Visual Geometry Group, Very Deep Convolutional Ne...
那棵树看起来生气了
2021-06-20

目标检测

447 阅读
0 评论
2021年06月20日
447 阅读
0 评论
2021-06-09

目标检测（Object Detection），推荐学习，持续更新
目标检测（Object Detection），推荐学习，持续更新
目标检测知识清单，推荐学习，持续更新one stage综述目标检测综述目标检测（Object Detection）目标检测最新进展总结与展望模型解读源码Yolov5/Yolov4/ Yolov3/ Yolo_tiny in tensorflowultralytics源码：https://github.com/ultralytics/yolov51. YOLOv1yolov1 论文发表时间 2016年5月9日官方论文：You Only Look Once: Unified, Real-Time Object Detection2. YOLOv2yolov2 (yolo9000) 论文发表时间 2016年12月25日官方论文：YOLO9000: Better, Faster, Stronger3. YOLOv3yolov3 论文发表时间 2018年4月8日官方论文：YOLOv3: An Incremental Improvement【论文解读】Yolo三部曲解读——Yolov3目标检测网络之 YOLOv3一文看懂YOLO v3one-stage和two-stage目标检测算法目标检...
那棵树看起来生气了
2021-06-09

目标检测,深度学习

486 阅读
0 评论
2021年06月09日
486 阅读
0 评论
2021-06-05

图解YOLOV3目标检测算法-源码分析（一 架构）
图解YOLOV3目标检测算法-源码分析（一 架构）
图解YOLOV3目标检测算法-源码分析（一 架构）前言目标检测算法Tow Stage先进行区域生成Region Proposal (RP)，再通过卷积神经网络进行样本分类。任务流程：特征提取 --> 生成RP --> 分类/定位回归。常见tow stage目标检测算法有：R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN、R-FCN、MR-CNN、HyperNet、CRAFT、FPN、Mask R-CNN、、CoupleNet和MegDet等。One Stage不用RP，直接在网络中提取特征来预测物体分类和位置。任务流程：特征提取–> 分类/定位回归。常见的one stage目标检测算法有：OverFeat、YOLOv1、YOLOv2（YOLO9000）、YOLOv3、YOLOv4、YOLOv5、YOLOF、YOLOS、SSD和RetinaNet等。YOLO是One Stage最具代表性的算法，集推理速度和准确性于一体，是我工作和学习中最常用的算法。下面将根据Github上开源代码分析YOLO算法系中最具代表的YOLOv3算法。正文YOL...
那棵树看起来生气了
2021-06-05

TensorFlow,深度学习,人工智能

1,139 阅读
0 评论
2021年06月05日
1,139 阅读
0 评论
2021-06-04

数据科学中常见的9种距离度量方法
数据科学中常见的9种距离度量方法
来源：机器之心 点击查看前言在数据挖掘中，我们经常需要计算样本之间的相似度，通常的做法是计算样本之间的距离。在本文中，数据科学家 Maarten Grootendorst 向我们介绍了9种距离度量方法，其中包括欧氏距离、余弦相似度等。正文许多算法，无论是监督学习还是无监督学习，都会使用距离度量。这些度量，如欧几里得距离或者余弦相似性，经常在 k-NN、 UMAP、HDBSCAN 等算法中使用。了解距离度量这个领域可能比你想的更重要，以 k-NN 为例，它常被用于监督学习中。但是，如果你的数据是高维的，欧几里德距离还能用吗？又或者如果你的数据是由地理空间信息组成的，也许半正矢距离是很好的选择。我们究竟如何选择最适合的距离度量？数据科学家 Maarten Grootendorst 向读者介绍了 9 种距离度量方法，并探讨如何以及何时以最佳的方式使用它们。此外 Maarten Grootendorst 还对它们的缺点进行了介绍，以及如何规避不足。1. 欧氏距离（Euclidean Distance）我们从最常见的欧式距离开始，欧式距离可解释为连接两个点的线段的长度。欧式距离公式非常简单...
那棵树看起来生气了
2021-06-04

机器学习,人工智能

460 阅读
0 评论
2021年06月04日
460 阅读
0 评论
那棵树看起来生气了
42 文章数
20 评论量

人生倒计时

今日已经过去小时
这周已经过去天
本月已经过去天
今年已经过去个月

热门文章

最新回复

  1. zlutsxcfbg
    2024-10-19

    文章的确不错啊https://www.cscnn.com/
  2. usdiavvris
    2024-10-19

    文章的确不错啊https://www.cscnn.com/
  3. eqqpperyls
    2024-10-06

    想想你的文章写的特别好www.jiwenlaw.com
  4. htzdsyndmu
    2024-10-06

    想想你的文章写的特别好www.jiwenlaw.com
  5. maanovoucd
    2024-10-04

    看的我热血沸腾啊https://www.ea55.com/

标签云

@ 2021 半醉残影 蜀ICP备19023992号-1 146ms
导航 短链 图床