基于深度學習的現(xiàn)在目標檢測算法中有三個組件：Backbone佑钾、Neck和Head惦银，乍一看很讓人不理解： Backbone, 譯作骨干網(wǎng)絡柬泽，主要指用于特征提取的，已在大型數(shù)據(jù)集...
IP屬地：廣西
-
目標檢測算法中的Backbone喇伯、Neck和Head -
__getitem__
上一篇的 Fib 實例雖然能作用于 for 循環(huán)媒至，看起來和 list 有點像今膊，但是，把它當成 list 來使用還是不行狐粱，比如舀寓，取第5個元素： 要表現(xiàn)得像 list 那樣按照下...
-
如何在Jupyter notebook中debug？notebook 中內(nèi)建的pdb 在需要breakpoint的地方插入import pdb; pdb.set_trace()肌蜻，運行后會進入debugger互墓，有一個交互界面。 ...
-
Jupyter Notebook介紹蒋搜、安裝及使用教程
一篡撵、什么是Jupyter Notebook？ 1. 簡介 Jupyter Notebook是基于網(wǎng)頁的用于交互計算的應用程序豆挽。其可被應用于全過程計算：開發(fā)育谬、文檔編寫、運行代碼...
-
Darknet53網(wǎng)絡各層參數(shù)詳解Darkenet53是Yolov3網(wǎng)絡中的一部分（backbone）帮哈，為了更加詳細了解darknet53網(wǎng)絡的結(jié)構(gòu)膛檀，現(xiàn)將Darknet53各層輸入與輸出的形狀列舉下來，便于分...
-
Python多重繼承問題之MRO和C3算法
多繼承、 MRO 及 C3算法關(guān)系 在計算機科學中咖刃，C3算法主要用于確定多重繼承時泳炉，子類應該繼承哪一個父類的方法，即方法解析順序（Method Resolution Orde...
-
-
logistic 回歸（內(nèi)附推導）主要思考幾個問題： 1焕参、logistic回歸的應用場景 Logistic回歸是一種用于解決二分類問題的機器學習方法轻纪，是一種判別模型：表現(xiàn)為直接對條件概率P(y|x)建模，而不...
-
信息增益與信息增益比首先崇众，我們說熵，熵是隨機變量不確定性的度量 那么航厚，為什么用這個公式來定義熵顷歌，我們看下熵隨概率的變化曲線便會一目了然 也就是說，熵把特征概率轉(zhuǎn)換成了特征對結(jié)果的說明程度幔睬，例如眯漩，...
-
Faster RCNN源碼解讀(3)-roi_align
本系列的代碼來自：https://github.com/jwyang/faster-rcnn.pytorch大家可以去star一下，目前支持pytorch1.0系列 參考：原...
-
-
SSD 檢測算法（encode/decode過程）
在訓練過程中摹芙，groundtruth 的坐標形式是（y1,x1,y2,x2），而網(wǎng)絡輸出的坐標形式是（dx,dy,dw,dh）宛瞄，兩者之間的表示形式不同浮禾，因此要將 ground...
-
golang 判斷字母交胚、數(shù)字、空白符
包 unicode 包含了一些針對測試字符的非常有用的函數(shù)（其中 ch 代表字符）： 判斷是否為字母： unicode.IsLetter(ch) 判斷是否為數(shù)字： unico...
-
并發(fā)性與并行性的區(qū)別和聯(lián)系
并行性是指兩個或多個事件在同一時刻發(fā)生盈电。并發(fā)性是指兩個或多個事件在同一事件間隔內(nèi)發(fā)生蝴簇。 在多道程序環(huán)境下，并發(fā)性是指在一段時間內(nèi)匆帚，宏觀上有多個程序同時運行熬词，但在單處理器(CP...
-
GD(梯度下降)和SGD(隨機梯度下降)
相同點 在GD和SGD中，都會在每次迭代中更新模型的參數(shù)嚎幸，使得代價函數(shù)變小颜矿。 不同點 GD 在GD中，每次迭代都要用到全部訓練數(shù)據(jù)嫉晶。假設線性模型 θ是參數(shù) 代價函數(shù) ： 那么...
