弱监督下的目标检测算法

相关推荐

• 【深度学习】目标检测算法总结（R-CNN、Fast R-CNN、Faster R-CNN、FPN、YOLO、SSD、RetinaNet） 一、基于候选区域的目标检测器 二、单次目标检测器
• 【计算机视觉】基于局部二值相似性模式（LBSP）的运动目标检测算法
• 【数字图像处理】目标检测的图像特征提取之HOG特征 1、HOG特征 2、HOG特征提取算法的实现过程 3.详细过程
• 深度学习精炼图笔记总结 1. 深度学习基本概念 2. logistic 回归 3. 浅层网络的特点 4. 深度神经网络的特点 5. 偏差与方差 6. 正则化 7. 最优化 8. 超参数 9. 结构化机器学习过程 10. 误差分析 11. 训练集、开发集与测试集 12. 其它学习方法 13. 卷积神经网络基础 14. 经典卷积神经网络 15. 特殊卷积神经网络 16. 实践建议 17. 目标检测算法 18. 人脸识别 19. 风格迁移 20. 循环神经网络基础 21. NLP 中的词表征 22. 序列到序列
• 2_基于深度学习的目标检测识别算法 一、基于区域建议的目标检测与识别算法
• kaggle信用卡欺诈看异常检测算法——无监督的方法包括： 基于统计的技术，如BACON *离群检测 多变量异常值检测 基于聚类的技术；监督方法： 神经网络 SVM 逻辑回归
• 部署可扩展的目标检测管道：推理过程（下）
• 《基于深度学习的显著性目标检测综述》阅读笔记 基本信息 说明 主要收获 摘要 1 引言 2 基于深度学习的显著性目标检测方法 3 常用数据集及评估标准 4 基于深度学习的显著性目标检测方法性能比较 5 基于深度学习的显著性目标检测算法的不足与未来展望
• 基于深度学习的目标检测算法综述
• 【机器学习算法-python实现】KNN-k近邻算法的实现（附源代码） 1.背景     今后博主会每周定时更新机器学习算法及其python的简单实现。今天学习的算法是KNN近邻算法。KNN算法是一个监督学习分类器类别的算法。           什么是监督学习，什么又是无监督学习呢。监督学习就是我们知道目标向量的情况下所使用的算法，无监督学习就是当我们不知道详细的目标变量的情况下所使用的。而监督学习又依据目标变量的类别（离散或连续）分为分类器算法和回归算法。             k-Nearest Neighbor。k是算法中的一个约束变量，整个算法的整体思想是比較简单的，就是将数据集的特征值看作是一个个向量。我们给程序一组特征值，如果有三组特征值，就能够看做是（x1，x2，x3）。系统原有的特征值就能够看做是一组组的（y1，y2，y3）向量。通过求两向量间的距离，我们找出前k个距离最短的y的特征值对。这些y值所相应的目标变量就是这个x特征值的分类。 公式： 2.python基础之numpy
• win10双系统安装卸载ubuntu
• Jetson TX1安装pyTorch