240 投稿
人工智能
收录了12篇文章 · 2人关注
  • Resize,w 360,h 240
    YOLOv3代码分析(Keras+Tensorflow)

    前面（YOLO v3深入理解）讨论过论文和方案之后，现在看一下代码实现。YOLO原作者是C程序，这里选择的是Kears+Tensorflow版本...

    1.5 X猪 7 23
  • Resize,w 360,h 240
    YOLOv3 深入理解

    YOLOv3没有太多的创新，主要是借鉴一些好的方案融合到YOLO里面。不过效果还是不错的，在保持速度优势的前提下，提升了预测精度，尤其是加强了对...

    5.3 X猪 23 107
  • YOLOv2 / YOLO9000 深入理解

    YOLOv2相对v1版本，在继续保持处理速度的基础上，从预测更准确（Better），速度更快（Faster），识别对象更多（Stronger）这...

    1.5 X猪 2 47
  • Resize,w 360,h 240
    YOLO v1深入理解

    YOLO（You Only Look Once）是一种基于深度神经网络的对象识别和定位算法，其最大的特点是运行速度很快，可以用于实时系统。现在Y...

    10.1 X猪 52 258 5
  • 朴素贝叶斯分类——大道至简

    分类问题 已知m个样本 ，x是特征变量，y是对应的类别。要求一个模型函数h，对于新的样本 ，能够尽量准确的预测出 。 概率角度 很多机器学习算法...

    0.2 X猪 0 4
  • Resize,w 360,h 240
    理解贝叶斯定理

    条件概率 先要从条件概率讲起，条件概率，一般记作P(A|B)，意思是当B事件发生时，A事件发生的概率。其定义为其中 意思是A和B共同发生的概率...

    0.1 X猪 1 5
  • 偏差(Bias)和方差(Variance)——机器学习中的模型选择

    模型性能的度量 在监督学习中，已知样本 ，要求拟合出一个模型（函数），其预测值与样本实际值的误差最小。 考虑到样本数据其实是采样，并不是真实值本...

    1.3 X猪 4 31
  • Gradient Boosting —— 梯度迭代增强

    回归问题(Regression) 考虑一个回归问题，已知n个样本 需要拟合一个函数 ，使得误差最小。 迭代拟合残差 当然，通常很难找到一个非常准...

    0.1 X猪 0 3
  • Resize,w 360,h 240
    Boosting/AdaBoost —— 多级火箭助推

    Boosting（提升） Boosting 是一类算法的统称，它们的主要特点是使用一组弱分类器来构造一个强分类器。弱分类器意思是预测的准确性不高...

    0.2 X猪 0 5
  • 蒙特卡洛树搜索 - 以蛮力对抗智慧

    蒙特卡洛树搜索（Monte Carlo tree search；简称：MCTS）是一种用于某些决策过程的启发式搜索算法，最引人注目的是在游戏中的...

    0.5 X猪 0 15