目标检测是CV的四大基本任务之一，也是现在CV最热门的技术，与技术落地息息相关。目标检测相比于分类与分割，它的损失函数要更难理解一点。
目标检测应用的场景通常是一副图像里有很多要关注的目标，比如下图有猫和狗两个目标，我们要分别把它们的位置和大小框出来，这用到的框便叫边界框。目标检测是解决"在哪里有什么"的任务。
锚框（Anchor）是目标检测算法最为核心的概念，它们与标注边界框的差异引出了损失函数会用到的两个变量：目标类别和位置偏移量。目标检测的损失函数既要考虑到预测出来的边界框包含的目标类别也要考虑到位置大小的正确。
至于锚框如何生成，在训练阶段如何使用，在测试阶段又如何使用，以及损失函数是什么，可以看这篇文章：
锚框：Anchor box综述
本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：动手学深度学习之目标检测基础 - Python技术站
由于本人并不玩三国杀，再加上三国杀游戏的人物之间的设置本来就已经相当复杂，所以这里不想深入研究了。不过，这里给出一篇来自中国人工智能学会 （CAAI）的转载，以及某大学生在暑假无聊的时候写的“SB”级别的控制台式的三国杀AI，有兴趣的人可以欣赏一下他自己做的AI，他本人声明了版权， 所以我也注明一下吧，他的网名叫做6+。 本参赛作品基于目前在国内风靡一时的桌…
运行tensorflow程序时，提示： I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA 去掉提示的方法： v…
Focal loss 是 文章 Focal Loss for Dense Object Detection 中提出对简单样本的进行decay的一种损失函数。是对标准的Cross Entropy Loss 的一种改进。 F L对于简单样本（p比较大）回应较小的loss。 如论文中的图1， 在p=0.6时， 标准的CE然后又较大的loss， 但是对于FL就有…
1.目标检测的基本思路：同时解决定位（localization） + 识别（Recognition）。 多任务学习，带有两个输出分支。一个分支用于做图像分类，即全连接+softmax判断目标类别，和单纯图像分类区别在于这里还另外需要一个“背景”类。另一个分支用于判断目标位置，即完成回归任务输出四个数字标记包围盒位置(例如中心点横纵坐标和包围盒长宽)，该…
RNN、LSTM、梯度消失基本概念 序列数据及能做的事 语音识别：一维时间序列⟹⟹ 文本序列 音乐生成器：输入为空⟹⟹ 音乐 情感分类器：文本序列⟹⟹星级评分（0~5）/正负类（0/1） DNA序列分析：字符序列⟹⟹字符序列 翻译系统：文本序列⟹⟹文本序列 视频标识（视频活动识别）：视频⟹⟹类别 （名字）身份识别：文本序列⟹⟹文本序列 如果输入是文本序列…
这两天搞毕业设计要用到caffe,在图像预处理的时候要调用python 的caffe接口，结果就出现了 ImportError: No module named _caffe于是我在网上找各种解决方法，终于发现这是我当时在安装和配置caffe时留下的坑：这里引用一下http://blog.sina.com.cn/s/blog_74f32c400102…
也许你并不知道，人工智能的发展远比你想象中的迅速！到 2030 年，人工智能将为全球经济贡献高达 15.7 万亿美元！除了经济利益，人工智能还将让我们的生活变得更加轻松美好。 本篇将详细为您讲解人工智能在未来会如何影响我们生活中的各个领域，并最终造福于全人类。 提高自动化办公 人工智能可帮助我们自动化做任何事情。不管是极端的体力劳动，还是脑力劳动，它都可以协…
1. 首先安装好docker，拉取intel caffe image: $ docker pull bvlc/caffe:intel 试着运行： $ docker run -it bvlc/caffe:intel /bin/bash 2. 拉取 intel caffe 源码： git clone https://github.com/intel/caffe…
微信扫一扫 
支付宝扫一扫