【目标检测系列】PR曲线，MAP值等的总结PR曲线计算方式：通过置信度就可以对所有样本进行排序，再逐个样本的选择阈值，在该样本之前的都属于正例，该样本之后的都属于负例。每一个样本作为划分阈值时，都可以计算对应的precision和recall，那么就可以以此绘制曲线。
【目标检测】Faster RCNN算法详解本文是继RCNN[1]，fast RCNN[2]之后，目标检测界的领军人物Ross Girshick团队在2015年的又一力作。简单网络目标检测速度达到17fps，在PASCAL VOC上准确率为59.9%；复杂网络达到5fps，准确率78.8%。作者在github上给出了基于matlab和python的源码。对Region CN
循环神经网络RNN详解 rnn神经网络模型科普概念什么是RNN?RNN是一种特殊的神经网络结构, 它是根据"人的认知是基于过往的经验和记忆"这一观点提出的. 它与DNN,CNN不同的是: 它不仅考虑前一时刻的输入,而且赋予了网络对前面的内容的一种’记忆’功能.RNN之所以称为循环神经网路，即一个序列当前的输出与
《动手学深度学习》笔记 Task03 过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶过拟合、欠拟合及其解决方案过拟合、欠拟合的概念权重衰减丢弃法模型选择、过拟合和欠拟合训练误差和泛化误差在解释上述现象之前，我们需要区分训练误差（training error）和泛化误差（generalization error）。通俗来讲，前者指模型在训练数据集上表现出的误
《生成对抗网络GAN的原理与应用专题》笔记视频教程的链接：http://campus.swarma.org/gpac=8一、什么是GAN框架简述GAN全称是Generative Adversarial Nets，中文叫做“生成对抗网络”。在GAN中有2个网络，一个网络用于生成数据，叫做“生成器”。另一个网络用于判别生成数据是否接近于真实，叫做“判别
GAN生成式对抗网络（四）——SRGAN超高分辨率图片重构论文pdf 地址：https://arxiv.org/pdf/1609.04802v1.pdf我的实际效果清晰度距离我的期待有距离。颜色上面存在差距。解决想法增加一个颜色判别器。将颜色值反馈给生成器srgan论文是建立在gan基础上的，利用gan生成式对抗网络，将图片重构为高清分辨率的图片。g
Windows下cpu版PyTorch安装 pytorch用cpu1. 打开Anaconda Prompt 2. 输入命令添加清华源conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/3.安装0.4.1的pytorchconda install pytorch-cpu=0.4.1conda install torchvision-cpu4. 测试是否安装成功pythoni
【GAN ZOO翻译系列】基于能量的生成对抗网络 Energy-Based Generative Adversarial Networks赵俊博, Michael Mathieu, Yann LeCun纽约大学计算机科学系Facebook人工智能研究院{jakezhao, mathieu, yann}@cs.nyu.edu原文链接https://arxiv.org/abs/1609.03126引用请注明出处摘要本文提出“基于能量的生成对抗网络”模型（EBGAN），它将判别器视为能量函
[转载]Tensorflow中reduction_indices 的用法默认时None 压缩成一维
Keras构建回归神经网络 keras实现卷积神经网络Keras构建回归神经网络1.导入模块并创建数据import numpy as npfrom keras.models import Sequentialfrom keras.layers import Denseimport matplotlib.pyplot as plt#构建数据X = np.linspace(-1, 1, 200)np.random.shuffle(X)Y = 0.5 * X + 2 + np.random.n
