機器學習框架ML.NET學習筆記【8】目標檢測（采用YOLO2模型）
YOLO（You Only Look Once）是一種最先進的實時目標檢測系統。官方網站：https ...
原文：機器學習（ML）十六之目標檢測基礎
目標檢測和邊界框 在圖像分類任務里，我們假設圖像里只有一個主體目標，並關注如何識別該目標的類別。然而，很多時候圖像里有多個我們感興趣的目標，我們不僅想知道它們的類別，還想得到它們在圖像中的具體位置。在計算機視覺里，我們將這類任務稱為目標檢測 object detection 或物體檢測。 目標檢測在多個領域中被廣泛使用。例如，在無人駕駛里，我們需要通過識別拍攝到的視頻圖像里的車輛 行人 道路和障礙 ...
2020-02-20 19:01 0 971 推薦指數：
相關推薦
Spark ML機器學習
Spark提供了常用機器學習算法的實現， 封裝於spark.ml和spark.mllib中. spark.mllib是基於RDD的機器學習庫， spark.ml是基於DataFrame的機器學習庫. 相對於RDD， DataFrame擁有更豐富的操作API, 可以進行更靈活的操作. 目前 ...
機器學習（ML）十四之凸優化
優化與深度學習 優化與估計 盡管優化方法可以最小化深度學習中的損失函數值，但本質上優化方法達到的目標與深度學習的目標並不相同。 優化方法目標：訓練集損失函數值 深度學習目標：測試集損失函數值（泛化 ...
機器學習（ML）十之CNN
CNN-二維卷積層 卷積神經網絡（convolutional neural network）是含有卷積層（convolutional layer）的神經網絡。卷積神經網絡均使用最常見的二維卷積層。它 ...
機器學習（ML）十一之CNN各種模型
深度卷積神經網絡（AlexNet） 在LeNet提出后的將近20年里，神經網絡一度被其他機器學習方法超越，如支持向量機。雖然LeNet可以在早期的小數據集上取得好的成績，但是在更大的真實數據集上的表現並不盡如人意。一方面，神經網絡計算復雜。雖然20世紀90年代也有過一些針對神經網絡的加速硬件 ...
ML 03、機器學習的三要素
機器學習算法原理、實現與實踐——機器學習的三要素 1 模型 在監督學習中，模型就是所要學習的條件概率分布或決策函數。模型的假設空間包含所有可能的條件概率分布或決策函數。例如，假設決策函數是輸入變量的線性函數，那么模型的假設空間就是這些線性函數構成的函數的集合。 假設空間 ...
機器學習 AI 谷歌ML Kit 與蘋果Core ML
概述 移動端所說的AI，通常是指“機器學習”。 定義：機器學習其實就是研究計算機怎樣模擬人類的學習行為，以獲取新的知識或技能，並重新組織已有的知識結構使之不斷改善自身。從實踐的意義上來說，機器學習是一類從數據中自動分析獲得規律，並利用規律對未知數據進行預測的算法。 目前，機器學習已經有了十分 ...
機器學習基礎
系列文章：《機器學習實戰》學習筆記 這是《機器學習實戰》的第一章，本章簡要介紹了下什么是機器學習、機器學習的主要任務和本書中將要用到的Python語言。現在機器學習（Machine learning）與人工智能（Artificial intelligence）這么火，介紹機器學習的文章網上 ...