全部 人工智能學科動態(tài) 人工智能技術資訊 人工智能常見問題 技術問答

• • 

    SSD的多尺度特征圖的網(wǎng)絡結構有哪些？

    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是多框預測。對于Faster R-CNN，先通過CNN得到候選框，然后進行分類和回歸，而YOLO和SSD可以一步完成檢測，SSD的特點是： 查看全文>>

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

  • 

    yolo算法：構造訓練樣本和設計損失函數(shù)

    在進行模型訓練時，我們需要構造訓練樣本和設計損失函數(shù)，才能利用梯度下降對網(wǎng)絡進行訓練。將一幅圖片輸入到y(tǒng)olo模型中，對應的輸出是一個7x7x30張量，構建標簽label時對于原圖像中的每一個網(wǎng)格grid都需要構建一個30維的向量。對照下圖我們來構建目標向量： 查看全文>>

    人工智能技術資訊2022-12-08 |傳智教育 |yolo算法模型訓練和設計損失函數(shù)

  • 

    圖像分類是什么？AlexNet手寫數(shù)字圖像識別

    圖像分類實質上就是從給定的類別集合中為圖像分配對應標簽的任務。也就是說我們的任務是分析一個輸入圖像并返回一個該圖像類別的標簽。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>>

    人工智能技術資訊2022-12-07 |傳智教育 |圖像分類,AlexNet對手寫數(shù)字圖像的識別

  • 

    yolo算法：基礎概念和Yolo網(wǎng)絡結構

    YOLO系列算法是一類典型的one-stage目標檢測算法，其利用anchor box將分類與目標定位的回歸問題結合起來，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，接下來我們介紹YOLO 系列算法。 查看全文>>

    人工智能技術資訊2022-12-07 |傳智教育 |什么是yolo算法,Yolo網(wǎng)絡結構

  • 

    什么是冒泡排序？冒泡排序算法的實現(xiàn)過程

    不斷地交換下去就可以將最大的那個數(shù)放到隊列的尾部。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，演示冒泡排序的實現(xiàn)過程，最初的數(shù)列順序如下圖所示： 查看全文>>

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

  • 

    怎樣進行算法的復雜度分析？

    ?復雜度分析是估算算法執(zhí)行效率的方法，公式O(f(n))表示算法的復雜度，此方法即為大O復雜度表示法O(f(n))中n表示數(shù)據(jù)規(guī)模，f(n)表示運行算法所需要執(zhí)行的指令數(shù)。下面的代碼非常簡單,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>>

    人工智能技術資訊2022-10-19 |傳智教育 |算法復雜度分析

  • 

    SVM算法：硬間隔和軟間隔的分類

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

    人工智能技術資訊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)集常用的圖像增強方法有哪些？

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

    人工智能常見問題2022-08-12 |傳智教育 |常用的圖像增強方法

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