發(fā)簡信
IP屬地：河北
-
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抚垄，現(xiàn)在看一下代碼實現(xiàn)爷抓。YOLO原作者是C程序薛耻，這里選擇的是Kears+Tensorflow版本...
-
YOLOv3 深入理解YOLOv3沒有太多的創(chuàng)新，主要是借鑒一些好的方案融合到YOLO里面。不過效果還是不錯的，在保持速度優(yōu)勢的前提下，提升了預測精度债鸡，尤其是加強了對...
-
YOLOv2 / YOLO9000 深入理解
YOLOv2相對v1版本，在繼續(xù)保持處理速度的基礎上铛纬，從預測更準確（Better）厌均，速度更快（Faster），識別對象更多（Stronger）這...
-
YOLO v1深入理解YOLO（You Only Look Once）是一種基于深度神經(jīng)網(wǎng)絡的對象識別和定位算法告唆，其最大的特點是運行速度很快棺弊，可以用于實時系統(tǒng)。現(xiàn)在Y...
-
樸素貝葉斯分類——大道至簡
分類問題 已知m個樣本 擒悬，x是特征變量镊屎，y是對應的類別。要求一個模型函數(shù)h茄螃，對于新的樣本 缝驳，能夠盡量準確的預測出 。 概率角度 很多機器學習算法...
-
理解貝葉斯定理條件概率 先要從條件概率講起归苍，條件概率用狱，一般記作P(A|B)，意思是當B事件發(fā)生時拼弃，A事件發(fā)生的概率夏伊。其定義為其中 意思是A和B共同發(fā)生的概率...
-
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，已知樣本 吻氧，要求擬合出一個模型（函數(shù)）溺忧，其預測值與樣本實際值的誤差最小。 考慮到樣本數(shù)據(jù)其實是采樣盯孙，并不是真實值本...
-
Gradient Boosting —— 梯度迭代增強
回歸問題(Regression) 考慮一個回歸問題鲁森，已知n個樣本 需要擬合一個函數(shù) ，使得誤差最小振惰。 迭代擬合殘差 當然歌溉，通常很難找到一個非常準...
-
Boosting/AdaBoost —— 多級火箭助推Boosting（提升） Boosting 是一類算法的統(tǒng)稱，它們的主要特點是使用一組弱分類器來構造一個強分類器。弱分類器意思是預測的準確性不高...