| 共 14 篇文章 |
|
YOLO v3：多尺度检测头，resblock darknet53YOLO v4：cspdarknet53，spp，panet，tricks接下来，先回顾下YOLO v1的模型结构，如下面2图所示：YOLOYOLO我们认为，检测模型=特征提取器+检测头在YOLO v1的模型中检测头就是最后的2个全连接层(Linear in PyTorch)，它们是参数量最大的2个层，也是最值得改进的2个层。YOLO v3我们知道，YOLO v2的检测... 阅2400 转6 评0 公众公开 20-08-23 14:43 |
特征匹配MatchNet【3】MatchNet由一个深度卷积网络组成，该网络从补丁中提取特征，并由三个全连接层组成网络计算所提取特征之间的相似性。如图是MatchNet训练时的网络架构（图C），联合学习将补丁映射到特征表示的特征网络（图 A）和将特征对映射到相似性的测度网络（图 B）。分两个阶段使用特征网络和测度网络：首先为所有补丁生成特征编码，... 阅80 转1 评0 公众公开 20-04-19 14:00 |
代码：https://github.com/tum-vision/lsd_slam.代码 1：https://github.com/tum-vision/dvo_slam.论文：Yu C, Liu Z, Liu X J, et al. DS-SLAM: Asemantic visual SLAM towards dynamic environments[C]//2018IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS).IEEE, 2018: 1168-1174.与 ORB-SLAM2 结合版本：http... 阅641 转3 评0 公众公开 20-04-02 14:54 |
首先介绍下MDS算法，MDS算法的核心思想：找到一个低维空间使得样本间的距离在高维空间和低维空间基本一致。因此问题就成了对M" role="presentation" style="position: relative;">MM矩阵进行特征分解，然后取最小的d′" role="presentation" style="position: relative;">d′d′个特... 阅1 转自学海无涯GL 公众公开 20-03-31 09:06 |
根据需要可能有多个不同频率的，比如一个系统中分别有 1ms, 5ms, 10ms, 20ms, 50ms, 100ms， 1000ms任务。回到Simulink本身，如果不加任何调度，生成的嵌入式代码后，实质上就是个单/多周期的周期性任务（代码中会生成一个每个步长调用的函数 rtOneStep，其中执行整个模型代码）。把执行顺序的调度稍加变化，就是1分N的调度，用Simulink和State... 阅83 转1 评0 公众公开 18-11-16 09:58 |
深度学习再现发展拐点，四大问题预示其已近终点？深度学习是一种强大的统计技术，可以使用大型训练数据集和多层AI神经网络对模式进行分类。对深度学习而言，数据方面实际上是很缺乏的，因为深度学习的数据要求与很多维度的其他分析方法有本质上的区别。目前的人工智能应用程序通过大量数据和深度学习算法的训练可以很好地完成一件事，只不过每... 阅17 转1 评0 公众公开 18-10-07 22:21 |
机器不学习：CTR预估中的贝叶斯平滑方法机器不学习 www.jqbxx.com : 深度聚合机器学习、深度学习算法及技术实战。，以及所在的page，我们感兴趣的是page-ad pair的CTR，于是我们可以利用贝叶斯的方法来结合（1）这个ad本身的信息，以及（2）该page下与这个ad来自相同account的其它ad的信息。（1）对于publisher-account pair，有1个隐含的CTR概... 阅193 转1 评0 公众公开 18-08-22 19:24 |
其实学过神经网络之后，我们就知道，这些filter，根本就不用我们去设计，每个filter中的各个数字，不就是参数吗，我们可以通过大量的数据，来 让机器自己去“学习”这些参数嘛。我们的输入图片就是X，shape=(8,8,3);4个filters其实就是第一层神金网络的参数W1,，shape=(3,3,3,4),这个4是指有4个filters;我们的输出，就是Z1，shape=(6,6,4);后面... 阅62 转4 评0 公众公开 18-08-22 19:08 |
再对聚类结果中每类 i找到其最大平均距离的点．最后将该点与它的第k点的距离作为该类的邻域阈值Epsi ,并将其保存以备聚类.这种发现Eps的方法主要考虑到对于不同密度的数据集,应根据各个数据的稠密程度,分别选取合适的阈值进行聚类.由于聚类中所采用的参数Eps只能够确定聚类结果中同一类数据中的密度差别，所以，参数选取所引起的误差不会对聚类... 阅95 转1 评0 公众公开 18-05-23 17:20 |
判别模型和生成模型。由产生式模型可以得到判别式模型，但由判别式模型得不到产生式模型。- 生成模型：无穷样本==》概率密度模型 = 产生模型==》预测 - 判别模型：有限样本==》判别函数 = 预测模型==》预测【简介】又可以称为条件模型，或条件概率模型。由生成模型可以得到判别模型，但由判别模型得不到生成模型。常见的生产模型有隐马尔科... 阅123 转1 评0 公众公开 18-05-23 17:19 |
