独立思考，发现世界。

论文简述YOLOv1一个实时目标检测模型，因对整张图片进行检测（Unified Detection），使用卷积进行滑动窗口的实现，大大提高了对象检测的效率。因为第二段是论文的核心内容，因此本文将YOLOv1的第二段进行主观式理解与翻译，如有不对还请指正。你可以在这里下载 理解式翻译以下为论文原文翻译 ...

目标定位 如何定位图片中对象的位置？目标的参数化表示，让神经网络多输出4个单元： $b_{x}$：边界框的中心点的x坐标 $b_{y}$：边界框的中心点的y坐标 $b_{h}$：边界框的高度 $b_{w}$：边界框的宽度 如何为监督学习任务定义目标标签$y$？ y=\left[\begin{ ...

边缘检测卷积运算“$*$” $*$是卷积的标准符号 $3+1+2+0+0+0+(-1)+(-8)+(-2)=-5$即为卷积计算。 $n \times n$的图像用$f \times f$的过滤器卷积，得到$(n-f+1)\times(n-f+1)$的矩阵。 边缘检测 正边：边缘由亮到暗 复边：边缘 ...

这篇有点水，Batch Norm还是不太理解，很多笔记是直接摘抄的 调试处理超参数优先级排序： 学习率$\alpha$ Momentum算法中的$\beta$；隐藏层单元数量；mini-batch大小 神经网络层数；学习率下降参数；$\beta_{1}=0.9,\beta_{2}=0.999,\v ...

Mini-batch梯度下降法将较大的训练集分割为较小的子集，这些子集叫做mini-batch。 如果mini-batch的大小是2的n次方，代码运行的会快一点，64~512的mini-batch比较常见。 假设训练集有5000,000个样本，mini-batch的大小为1000，则整个训练集一共有 ...

训练、验证、测试集 如果数据集较小，可将所有数据按照3:1:1的比例分配训练集、验证集和测试集；或7:3的比例分配训练集和测试集（无验证集） 如果数据集较大 百万级别：训练集 : 验证集 : 测试集 = 98% : 1% : 1% 过百万级别：训练集 : 验证集 : 测试集 = 99.5% : 0. ...

探索大雾演化规律，预测大雾变化趋势 关键词：能见度分析，图像处理，深度学习，神经网络 组队情况 19级学长 * 1 20级新生 * 2（我是其中之一） Tips：选择队友请擦亮双眼，否则就会难受四天半 比赛时间：2020.9.17 8:00:00 ~ 2020.9.21 12:00:00 ...

神经网络概览及表示个人认为，这节只需要搞懂两个问题： 单个神经元的作用graph LR x1-->B((N)) x2-->B((N)) x3-->B((N)) B-->y 对于一个这样的神经元N，他要做的计算主要是上一章的$\hat{y}=w^{T} x+b$和$a=sigmoid(z)$，并输出 ...

二分类问题（Binary Classification）逻辑回归要解决的问题，什么是二分类问题？即目标问题的答案空间非此即彼，是离散的，这有点像我们平常做的判断题，非对即错。就像吴恩达老师提出的问题：训练一个分类器，对图片进行判断，是猫就输出1，否则输出0 逻辑回归（Logistic Regress ...

今天学习了吴恩达深度学习课程的P1~P6的入门课程，总结如下问题 什么是神经网络？ 什么是深度学习？ 什么是监督学习、无监督学习？ 神经网络就我个人理解，神经网络并没有听起来这么高大上，它只是由原来的单一映射关系升级为了层级映射关系，只有输入层与输出层对外界可见，而中间的隐藏层不可见，在多个层级 ...