全部 人工智能學(xué)科動(dòng)態(tài) 人工智能技術(shù)資訊 人工智能常見(jiàn)問(wèn)題 技術(shù)問(wèn)答

• • 

    SSD的多尺度特征圖的網(wǎng)絡(luò)結(jié)構(gòu)有哪些？

    SSD算法的全名是Single Shot MultiBox Detector，Single shot指明了SSD算法屬于one-stage方法，MultiBox指明了SSD是多框預(yù)測(cè)。對(duì)于Faster R-CNN，先通過(guò)CNN得到候選框，然后進(jìn)行分類和回歸，而YOLO和SSD可以一步完成檢測(cè)，SSD的特點(diǎn)是： 查看全文>>

    人工智能技術(shù)資訊2023-03-06 |傳智教育 |SSD的特點(diǎn),什么是SSD

  • 

    yolo算法：構(gòu)造訓(xùn)練樣本和設(shè)計(jì)損失函數(shù)

    在進(jìn)行模型訓(xùn)練時(shí)，我們需要構(gòu)造訓(xùn)練樣本和設(shè)計(jì)損失函數(shù)，才能利用梯度下降對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。將一幅圖片輸入到y(tǒng)olo模型中，對(duì)應(yīng)的輸出是一個(gè)7x7x30張量，構(gòu)建標(biāo)簽label時(shí)對(duì)于原圖像中的每一個(gè)網(wǎng)格grid都需要構(gòu)建一個(gè)30維的向量。對(duì)照下圖我們來(lái)構(gòu)建目標(biāo)向量： 查看全文>>

    人工智能技術(shù)資訊2022-12-08 |傳智教育 |yolo算法模型訓(xùn)練和設(shè)計(jì)損失函數(shù)

  • 

    圖像分類是什么？AlexNet手寫數(shù)字圖像識(shí)別

    圖像分類實(shí)質(zhì)上就是從給定的類別集合中為圖像分配對(duì)應(yīng)標(biāo)簽的任務(wù)。也就是說(shuō)我們的任務(wù)是分析一個(gè)輸入圖像并返回一個(gè)該圖像類別的標(biāo)簽。假定類別集為categories = {dog, cat, panda}，之后我們提供一張圖片給分類模型，如下圖所示： 查看全文>>

    人工智能技術(shù)資訊2022-12-07 |傳智教育 |圖像分類,AlexNet對(duì)手寫數(shù)字圖像的識(shí)別

  • 

    yolo算法：基礎(chǔ)概念和Yolo網(wǎng)絡(luò)結(jié)構(gòu)

    YOLO系列算法是一類典型的one-stage目標(biāo)檢測(cè)算法，其利用anchor box將分類與目標(biāo)定位的回歸問(wèn)題結(jié)合起來(lái)，從而做到了高效、靈活和泛化性能好，所以在工業(yè)界也十分受歡迎，接下來(lái)我們介紹YOLO 系列算法。 查看全文>>

    人工智能技術(shù)資訊2022-12-07 |傳智教育 |什么是yolo算法,Yolo網(wǎng)絡(luò)結(jié)構(gòu)

  • 

    什么是冒泡排序？冒泡排序算法的實(shí)現(xiàn)過(guò)程

    不斷地交換下去就可以將最大的那個(gè)數(shù)放到隊(duì)列的尾部。然后重頭再次交換，直到將數(shù)列排成有序數(shù)列。接下來(lái)我們以以數(shù)列[5, 9, 3, 1, 2, 8, 4, 7, 6]為例，演示冒泡排序的實(shí)現(xiàn)過(guò)程，最初的數(shù)列順序如下圖所示： 查看全文>>

    人工智能技術(shù)資訊2022-11-16 |傳智教育 |冒泡排序,冒泡算法

  • 

    怎樣進(jìn)行算法的復(fù)雜度分析？

    ?復(fù)雜度分析是估算算法執(zhí)行效率的方法，公式O(f(n))表示算法的復(fù)雜度，此方法即為大O復(fù)雜度表示法O(f(n))中n表示數(shù)據(jù)規(guī)模，f(n)表示運(yùn)行算法所需要執(zhí)行的指令數(shù)。下面的代碼非常簡(jiǎn)單,求 1,2,3…n 的累加和，我們要做的是估算它的執(zhí)行效率。 查看全文>>

    人工智能技術(shù)資訊2022-10-19 |傳智教育 |算法復(fù)雜度分析

  • 

    SVM算法：硬間隔和軟間隔的分類

    使用超平面進(jìn)行分割數(shù)據(jù)的過(guò)程中，如果我們嚴(yán)格地讓所有實(shí)例都不在最大=大間隔之間，并且位于正確的一邊，這就是硬間隔分類。硬間隔分類有兩個(gè)問(wèn)題，首先，它只在數(shù)據(jù)是線性可分離的時(shí)候才有效;其次，它對(duì)異常值非常敏感。 查看全文>>

    人工智能技術(shù)資訊2022-09-07 |傳智教育 |SVM算法,硬間隔和軟間隔

  • 

    大規(guī)模數(shù)據(jù)集常用的圖像增強(qiáng)方法有哪些？

    大規(guī)模數(shù)據(jù)集是成功應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的前提。例如，我們可以對(duì)圖像進(jìn)行不同方式的裁剪，使感興趣的物體出現(xiàn)在不同位置，從而減輕模型對(duì)物體出現(xiàn)位置的依賴性。我們也可以調(diào)整亮度、色彩等因素來(lái)降低模型對(duì)色彩的敏感度?？梢哉f(shuō)，在當(dāng)年AlexNet的成功中，圖像增強(qiáng)技術(shù)功不可沒(méi)。 查看全文>>

    人工智能常見(jiàn)問(wèn)題2022-08-12 |傳智教育 |常用的圖像增強(qiáng)方法

  << < 1 2 3 4 5 6 7 8 9 ... 14 > >>