- 查准率和查全率是一对矛盾的的度量。一般来说，查全率高时，查准率往往偏低；而查全率高时，查准率往往偏低。通常只有在一些简单任务中，才可能使查全率和查准率都很好高。精准率和召回率的关系可以用一个 P-R 图来展示，以查准率 P 为纵轴、查全率 R 为横轴作图，就得到了查准率－查全率曲线，简称 P-R 曲线，PR 曲线下的面积定义为 AP。 查准率和查全率是一对矛盾的的度量。一般来说，查全率高时，查准率往往偏低；而查全率高时，查准率往往偏低。通常只有在一些简单任务中，才可能使查全率和查准率都很好高。精准率和召回率的关系可以用一个 P-R 图来展示，以查准率 P 为纵轴、查全率 R 为横轴作图，就得到了查准率－查全率曲线，简称 P-R 曲线，PR 曲线下的面积定义为 AP。
- 矩阵乘的算法优化可分为两类：基于算法分析的方法：根据矩阵乘计算特性，从数学角度优化，典型的算法包括 Strassen 算法和 Coppersmith–Winograd 算法。 矩阵乘的算法优化可分为两类：基于算法分析的方法：根据矩阵乘计算特性，从数学角度优化，典型的算法包括 Strassen 算法和 Coppersmith–Winograd 算法。
- 机器学习的本质属于应用统计学，其更多地关注如何用计算机统计地估计复杂函数，而不太关注为这些函数提供置信区间，大部分机器学习算法可以分成监督学习和无监督学习两类；通过组合不同的算法部分，例如优化算法、代价函数、模型和数据集可以建立一个完整的机器学习算法。 机器学习的本质属于应用统计学，其更多地关注如何用计算机统计地估计复杂函数，而不太关注为这些函数提供置信区间，大部分机器学习算法可以分成监督学习和无监督学习两类；通过组合不同的算法部分，例如优化算法、代价函数、模型和数据集可以建立一个完整的机器学习算法。
- K 近邻算法（KNN）是一种基本分类和回归方法。KNN 算法的核心思想是如果一个样本在特征空间中的 k 个最相邻的样本中的大多数属于一个类别，那该样本也属于这个类别，并具有这个类别上样本的特性。 K 近邻算法（KNN）是一种基本分类和回归方法。KNN 算法的核心思想是如果一个样本在特征空间中的 k 个最相邻的样本中的大多数属于一个类别，那该样本也属于这个类别，并具有这个类别上样本的特性。
- Low level 特征是较低级别的特征，主要是原始特征，不需要或者需要很少的人工处理和干预，例如文本中的词向量特征，图像特征中的像素点大小，用户 id，商品 id等。High level 特征是经过比较复杂的处理，结合部分业务逻辑或者规则、模型得到的特征，例如人工打分，模型打分等特征，可以用于较复杂的非线性模型。 Low level 特征是较低级别的特征，主要是原始特征，不需要或者需要很少的人工处理和干预，例如文本中的词向量特征，图像特征中的像素点大小，用户 id，商品 id等。High level 特征是经过比较复杂的处理，结合部分业务逻辑或者规则、模型得到的特征，例如人工打分，模型打分等特征，可以用于较复杂的非线性模型。
- 在 DenseNet 中，让网络中的每一层都直接与其前面层相连，实现特征的重复利用；同时把网络的每一层设计得特别“窄”（特征图/滤波器数量少），即只学习非常少的特征图（最极端情况就是每一层只学习一个特征图），达到降低冗余性的目的。 在 DenseNet 中，让网络中的每一层都直接与其前面层相连，实现特征的重复利用；同时把网络的每一层设计得特别“窄”（特征图/滤波器数量少），即只学习非常少的特征图（最极端情况就是每一层只学习一个特征图），达到降低冗余性的目的。
- ResNet 模型比 VGG 网络具有更少的滤波器数量和更低的复杂性。 比如 Resnet34 的 FLOPs 为 3.6G，仅为 VGG-19 19.6G 的 18%。 ResNet 模型比 VGG 网络具有更少的滤波器数量和更低的复杂性。 比如 Resnet34 的 FLOPs 为 3.6G，仅为 VGG-19 19.6G 的 18%。
- 11月15日，华为云与四维图新签署战略合作协议，双方将在云计算技术以及自动驾驶、物联网、智慧城市、智慧园区、智慧社区、智慧交通、智慧供应链等行业领域展开深入合作。 11月15日，华为云与四维图新签署战略合作协议，双方将在云计算技术以及自动驾驶、物联网、智慧城市、智慧园区、智慧社区、智慧交通、智慧供应链等行业领域展开深入合作。
- Mur-Artal R , Juan D. Tardós. ORB-SLAM: Tracking and Mapping Recognizable Features[C]// Workshop on Multi View Geometry in Robotics. 2014.带着问题：怎么利用ORB特征进行定位和建图？传感器、视觉里程计、后端优化、回环检测和建图这五大模块的组成。摘要当前的视... Mur-Artal R , Juan D. Tardós. ORB-SLAM: Tracking and Mapping Recognizable Features[C]// Workshop on Multi View Geometry in Robotics. 2014.带着问题：怎么利用ORB特征进行定位和建图？传感器、视觉里程计、后端优化、回环检测和建图这五大模块的组成。摘要当前的视...
- 🍉1、算法简介DeepSort是对Simple Online and Realtime Tracking（Sort）的扩展，它通过预先训练的深度关联度量来整合外观信息。使用视觉外观空间中的最近邻查询来建立测量到跟踪的关联，能够通过更长时间的遮挡来跟踪对象，有效减少身份切换的数量。使 Sort 成为当时最先进的在线跟踪算法，而且该算法易于实现并实时运行。🏅Wojke N , Bewle... 🍉1、算法简介DeepSort是对Simple Online and Realtime Tracking（Sort）的扩展，它通过预先训练的深度关联度量来整合外观信息。使用视觉外观空间中的最近邻查询来建立测量到跟踪的关联，能够通过更长时间的遮挡来跟踪对象，有效减少身份切换的数量。使 Sort 成为当时最先进的在线跟踪算法，而且该算法易于实现并实时运行。🏅Wojke N , Bewle...
- 0.时间同步技术介绍对于自动驾驶技术的实现，涉及到感知、规划、执行三个层面。由于车辆行驶在未知动态环境中，需要事先构建出环境地图并在地图中进行自我定位，这其中涉及到各传感器数据的精确时间同步。然后根据传感器捕获的原始数据和已有环境场景，规划车辆从一个位置到另一个位置的路径。最后控制系统发出信号控制车上的电机或者液压执行器执行相应的动作。试想在感知融合阶段，左侧车道有一辆时速80km/h的车... 0.时间同步技术介绍对于自动驾驶技术的实现，涉及到感知、规划、执行三个层面。由于车辆行驶在未知动态环境中，需要事先构建出环境地图并在地图中进行自我定位，这其中涉及到各传感器数据的精确时间同步。然后根据传感器捕获的原始数据和已有环境场景，规划车辆从一个位置到另一个位置的路径。最后控制系统发出信号控制车上的电机或者液压执行器执行相应的动作。试想在感知融合阶段，左侧车道有一辆时速80km/h的车...
- 时光荏苒，22年的夏天来了。夏季也意味着毕业季，在这鸟语花香的季节，每位毕业生都告别了同学和老师，回顾了校园景色，拍下一张张以后翻看都会嘴角一笑的合照，录下一段段稀奇搞怪的纪念VCR，最后提上行李箱，离开这个你生活四年的校园。我也经历过毕业，也经历过入学，关于毕业方向选择的内容我去年也写过很多，所以我这一期最想谈论的话题就是读研和读博，这也是现在毕业生的大趋势。🐋硕士研究生 1️⃣ 有考研... 时光荏苒，22年的夏天来了。夏季也意味着毕业季，在这鸟语花香的季节，每位毕业生都告别了同学和老师，回顾了校园景色，拍下一张张以后翻看都会嘴角一笑的合照，录下一段段稀奇搞怪的纪念VCR，最后提上行李箱，离开这个你生活四年的校园。我也经历过毕业，也经历过入学，关于毕业方向选择的内容我去年也写过很多，所以我这一期最想谈论的话题就是读研和读博，这也是现在毕业生的大趋势。🐋硕士研究生 1️⃣ 有考研...
- 霍夫直线检测代码实战 霍夫直线检测代码实战
- 1、利用IMU、GPS计算汽车移动距离和旋转角度 2、画出kitti车的行驶轨迹 3、画出所有车辆的轨迹 本次内容主要是上周内容的延续，主要画出kitti车的行驶的轨迹同样的，我们先来看看最终实现的效果：https://gitee.com/wsj-create/autodrive/blob/master/自动驾驶视频2.mp4 接下来就进入一步步的编码环节。。。 1、利用IMU、G... 1、利用IMU、GPS计算汽车移动距离和旋转角度 2、画出kitti车的行驶轨迹 3、画出所有车辆的轨迹 本次内容主要是上周内容的延续，主要画出kitti车的行驶的轨迹同样的，我们先来看看最终实现的效果：https://gitee.com/wsj-create/autodrive/blob/master/自动驾驶视频2.mp4 接下来就进入一步步的编码环节。。。 1、利用IMU、G...
- 本次内容主要是使用kitti数据集来可视化kitti车上一些传感器（相机、激光雷达、IMU）采集的资料以及对行人和车辆进行检测并在图像中画出行人和车辆的2D框、在点云中画出行人和车辆的3D框。首先先看看最终实现的效果：https://gitee.com/wsj-create/autodrive/blob/master/自动驾驶视频.mp4看了上面的效果视频，是不是充满好奇了呢，下面让我们一步... 本次内容主要是使用kitti数据集来可视化kitti车上一些传感器（相机、激光雷达、IMU）采集的资料以及对行人和车辆进行检测并在图像中画出行人和车辆的2D框、在点云中画出行人和车辆的3D框。首先先看看最终实现的效果：https://gitee.com/wsj-create/autodrive/blob/master/自动驾驶视频.mp4看了上面的效果视频，是不是充满好奇了呢，下面让我们一步...
上滑加载中
推荐直播
-
通用人工智能（AGI）到来前夕如何实现企业降本增效和应用现代化2024/04/19 周五 14:00-16:00
李京峰 T3出行VP/CTO
李京峰是T3出行CTO，本次他将分享通用人工智能（AGI）到来前夕，如何实现企业降本增效和应用现代化。
回顾中 -
华为云云原生FinOps解决方案，为您释放云原生最大价值2024/04/24 周三 16:30-18:00
Roc 华为云云原生DTSE技术布道师
还在对CCE集群成本评估感到束手无策？还在担心不合理的K8s集群资源申请和过度浪费？华为云容器服务CCE全新上线云原生FinOps中心，为用户提供多维度集群成本可视化，结合智能规格推荐、混部、超卖等成本优化手段，助力客户降本增效，释放云原生最大价值。
去报名 -
产教融合专家大讲堂·第①期《高校人才培养创新模式经验分享》2024/04/25 周四 16:00-18:00
于晓东 上海杉达学院信息科学与技术学院副院长；崔宝才 天津电子信息职业技术学院电子与通信技术系主任
本期直播将与您一起探讨高校人才培养创新模式经验。
去报名
热门标签