人工智能 - 專題

投稿

人工智能

收錄了12篇文章 · 2人關(guān)注

YOLOv3代碼分析(Keras+Tensorflow)
前面（YOLO v3深入理解）討論過論文和方案之后摆碉，現(xiàn)在看一下代碼實現(xiàn)原叮。YOLO原作者是C程序，這里選擇的是Kears+Tensorflow版本...

1.5 X豬 7 23
YOLOv3 深入理解
YOLOv3沒有太多的創(chuàng)新夏志，主要是借鑒一些好的方案融合到Y(jié)OLO里面咐蚯。不過效果還是不錯的童漩，在保持速度優(yōu)勢的前提下，提升了預(yù)測精度春锋，尤其是加強了對...

5.3 X豬 23 107

YOLOv2 / YOLO9000 深入理解
YOLOv2相對v1版本矫膨，在繼續(xù)保持處理速度的基礎(chǔ)上，從預(yù)測更準確（Better）期奔，速度更快（Faster）侧馅，識別對象更多（Stronger）這...

1.5 X豬 2 47
YOLO v1深入理解
YOLO（You Only Look Once）是一種基于深度神經(jīng)網(wǎng)絡(luò)的對象識別和定位算法，其最大的特點是運行速度很快呐萌，可以用于實時系統(tǒng)∧俪眨現(xiàn)在Y...

10.2 X豬 52 258 5
樸素貝葉斯分類——大道至簡
分類問題已知m個樣本，x是特征變量搁胆，y是對應(yīng)的類別弥搞。要求一個模型函數(shù)h，對于新的樣本渠旁，能夠盡量準確的預(yù)測出攀例。概率角度很多機器學習算法...

0.2 X豬 0 4
理解貝葉斯定理
條件概率先要從條件概率講起，條件概率顾腊，一般記作P(A|B)粤铭，意思是當B事件發(fā)生時，A事件發(fā)生的概率杂靶。其定義為其中意思是A和B共同發(fā)生的概率...

0.1 X豬 1 5
偏差(Bias)和方差(Variance)——機器學習中的模型選擇
模型性能的度量在監(jiān)督學習中梆惯，已知樣本酱鸭，要求擬合出一個模型（函數(shù)），其預(yù)測值與樣本實際值的誤差最小垛吗。考慮到樣本數(shù)據(jù)其實是采樣凹髓，并不是真實值本...

1.3 X豬 4 31

Gradient Boosting —— 梯度迭代增強
回歸問題(Regression) 考慮一個回歸問題，已知n個樣本需要擬合一個函數(shù) 怯屉，使得誤差最小蔚舀。迭代擬合殘差當然，通常很難找到一個非常準...

0.1 X豬 0 3
Boosting/AdaBoost —— 多級火箭助推
Boosting（提升） Boosting 是一類算法的統(tǒng)稱锨络，它們的主要特點是使用一組弱分類器來構(gòu)造一個強分類器赌躺。弱分類器意思是預(yù)測的準確性不高...

0.2 X豬 0 5
蒙特卡洛樹搜索 - 以蠻力對抗智慧
蒙特卡洛樹搜索（Monte Carlo tree search；簡稱：MCTS）是一種用于某些決策過程的啟發(fā)式搜索算法羡儿，最引人注目的是在游戲中的...

0.5 X豬 0 15