- 浅谈背景建模和光流估计那些事 前言背景建模1.帧差法2.混合高斯模型3.匹配方式 光流估计 前言 浅谈下背景建模和光流估计。 背景建模 1.帧差法 由于场景中的目标在运动，目标的影像在不同图像帧中的位置不同。该类算法对时间上连续的两帧或三帧图像进行差分运算，不同帧对应的像素点相减，判断灰度差的绝对值，当绝对值超过一定阈值时，即可判断为运动目标... 浅谈背景建模和光流估计那些事 前言背景建模1.帧差法2.混合高斯模型3.匹配方式 光流估计 前言 浅谈下背景建模和光流估计。 背景建模 1.帧差法 由于场景中的目标在运动，目标的影像在不同图像帧中的位置不同。该类算法对时间上连续的两帧或三帧图像进行差分运算，不同帧对应的像素点相减，判断灰度差的绝对值，当绝对值超过一定阈值时，即可判断为运动目标...
- 总感觉很古老的图像特征计算Harris和Sift 前言预备知识1.泰勒级数2.现代知识极值点Harris角点检测原理什么是角点？Harris 角点检测算法的原理 Sift 角点检测Sift前言图像尺度空间 Sift 步骤1. 高斯差分金字塔（DOG）2.计算极值点DoG空间极值检测 .关键点的精确定位消除边界相应生成特征描述 前言 今天，我... 总感觉很古老的图像特征计算Harris和Sift 前言预备知识1.泰勒级数2.现代知识极值点Harris角点检测原理什么是角点？Harris 角点检测算法的原理 Sift 角点检测Sift前言图像尺度空间 Sift 步骤1. 高斯差分金字塔（DOG）2.计算极值点DoG空间极值检测 .关键点的精确定位消除边界相应生成特征描述 前言 今天，我...
- 浅谈目标检测中常规的回归loss计算----------最新yolov4中ciou计算 前言目标检测loss的发展史学习前言什么是iou 什么是Smooth L1 Loss？什么是IoU Loss？什么是GIoU Loss？什么是DIoU Loss？什么是CIoU Loss？ 前言 今天我们来看下目标检测里面提出的CIOU。 目标检测loss的发展... 浅谈目标检测中常规的回归loss计算----------最新yolov4中ciou计算 前言目标检测loss的发展史学习前言什么是iou 什么是Smooth L1 Loss？什么是IoU Loss？什么是GIoU Loss？什么是DIoU Loss？什么是CIoU Loss？ 前言 今天我们来看下目标检测里面提出的CIOU。 目标检测loss的发展...
- 目录 搭建环境 准备数据集 训练级联文件 之前使用Python+OpenCV实现交通路标识别，具体实现步骤及心得如下： OpenCV训练属于自己的xml文件，需以下几个步骤： 1、首先下载OpenCV（Windows版）； 2、准备数据集，分为正样本集和负样本集； 3、生成路径，将正样本集的路径要存成 *.vec格式；负样本集的路径不做要求，*... 目录 搭建环境 准备数据集 训练级联文件 之前使用Python+OpenCV实现交通路标识别，具体实现步骤及心得如下： OpenCV训练属于自己的xml文件，需以下几个步骤： 1、首先下载OpenCV（Windows版）； 2、准备数据集，分为正样本集和负样本集； 3、生成路径，将正样本集的路径要存成 *.vec格式；负样本集的路径不做要求，*...
- 前馈神经网络 首先我先寻找了知乎中的一个介绍进行学习：https://www.zhihu.com/question/22553761/answer/126474394 来自知乎学者YJango的回答：https://www.zhihu.com/people/YJango，以及其它... 前馈神经网络 首先我先寻找了知乎中的一个介绍进行学习：https://www.zhihu.com/question/22553761/answer/126474394 来自知乎学者YJango的回答：https://www.zhihu.com/people/YJango，以及其它...
- 1.PBI PBI的这种方法是正规边界交点法的一个变体。定义为下： d1，d2关系如下图： 其中F(x)-Z*是d3的距离，d1是d3的投影。F(x)在w上的投影是P，d2是投影距离（体现多样性，靠近w的点也可以作为选取点， θ相当于惩罚）。d1被用来评价x对EF的收敛性，d2是一种衡量种群多样性的方法。通过将d2的值乘以θ和d1，从而让gpbi(... 1.PBI PBI的这种方法是正规边界交点法的一个变体。定义为下： d1，d2关系如下图： 其中F(x)-Z*是d3的距离，d1是d3的投影。F(x)在w上的投影是P，d2是投影距离（体现多样性，靠近w的点也可以作为选取点， θ相当于惩罚）。d1被用来评价x对EF的收敛性，d2是一种衡量种群多样性的方法。通过将d2的值乘以θ和d1，从而让gpbi(...
- 两个博客：关于机器学习和神经网络的： 博主： 计算机的潜意识 链接： https://www.cnblogs.com/subconscious/p/5058741.html https://www.cnblogs.com/subconscious/p/4107357.html#first 一、机器学习： 依据... 两个博客：关于机器学习和神经网络的： 博主： 计算机的潜意识 链接： https://www.cnblogs.com/subconscious/p/5058741.html https://www.cnblogs.com/subconscious/p/4107357.html#first 一、机器学习： 依据...
- 浅谈小技巧标签平滑-----Label Smoothing 前言什么是交叉熵？1.信息量2.熵3.交叉熵 标签平滑 前言 今天来聊下yolov4中引进的标签平滑小技巧吧！标签平滑让我想到了，90分就优秀了，为啥还要追求100分？ 什么是交叉熵？ 1.信息量 信息量来衡量一个事件的不确定性，一个事件发生的概率越大，不确定性越小，则其携带的信息量就... 浅谈小技巧标签平滑-----Label Smoothing 前言什么是交叉熵？1.信息量2.熵3.交叉熵 标签平滑 前言 今天来聊下yolov4中引进的标签平滑小技巧吧！标签平滑让我想到了，90分就优秀了，为啥还要追求100分？ 什么是交叉熵？ 1.信息量 信息量来衡量一个事件的不确定性，一个事件发生的概率越大，不确定性越小，则其携带的信息量就...
- 浅谈利用A3C玩转超级玛丽奥 前言github什么是Actor-Critic？A3C算法loss值计算 前言 很早以前看过超级玛丽奥利用人工智能玩，以前感觉很高档。就写一篇吧。 github https://github.com/yanjingke/Super-mario 什么是Actor-Critic？ Actor-Critic，其实是用了... 浅谈利用A3C玩转超级玛丽奥 前言github什么是Actor-Critic？A3C算法loss值计算 前言 很早以前看过超级玛丽奥利用人工智能玩，以前感觉很高档。就写一篇吧。 github https://github.com/yanjingke/Super-mario 什么是Actor-Critic？ Actor-Critic，其实是用了...
- 说说优秀的目标检测retinanet那些事 前言论文地址github地址预备知识1.tf.where()2. retinanet---anchor解读3.retinanet---focalloss解读 retinanet 代码讲解1.预测部分主干特征提取resnet50特征金字塔构建，获得预测结果预测结果的解码 2.训练部分真实框的编码loss值计算 ... 说说优秀的目标检测retinanet那些事 前言论文地址github地址预备知识1.tf.where()2. retinanet---anchor解读3.retinanet---focalloss解读 retinanet 代码讲解1.预测部分主干特征提取resnet50特征金字塔构建，获得预测结果预测结果的解码 2.训练部分真实框的编码loss值计算 ...
- 深度学习: 学习率 (learning rate) 作者：liulina603 致敬 原文：https://blog.csdn.net/liulina603/article/details/80604385 深度学习: 学习率 (learning rate) Intro... 深度学习: 学习率 (learning rate) 作者：liulina603 致敬 原文：https://blog.csdn.net/liulina603/article/details/80604385 深度学习: 学习率 (learning rate) Intro...
- 学习了一个学期机器学习算法，从什么都不懂到对十个机器学习算法有一定的了解，下面总结一下十大机器学习算法，从算法的概念、原理、优点、缺点、应用等方面来总结，如果有错误的地方，欢迎指出。 目录 1.决策树 2.线性回归 3.逻辑回归 4.支持向量机SVM 5.朴素贝叶斯 1.决策树 这个监督式... 学习了一个学期机器学习算法，从什么都不懂到对十个机器学习算法有一定的了解，下面总结一下十大机器学习算法，从算法的概念、原理、优点、缺点、应用等方面来总结，如果有错误的地方，欢迎指出。 目录 1.决策树 2.线性回归 3.逻辑回归 4.支持向量机SVM 5.朴素贝叶斯 1.决策树 这个监督式...
- 数据(Data)：信息数据元素(Data Element)：数据的基本单位，由若干数据项组成。数据项(Data Item)：具有独立含义的最小单位。数据对象(Data Object)：元素的集合数据结构(Data Structure)：三要素（逻辑结构、存储结构、数据运算：增、删、改、查）逻辑结构：数据元素之间的关系（逻辑结构形式上用二元组，B=（K,R），K是结点的集... 数据(Data)：信息数据元素(Data Element)：数据的基本单位，由若干数据项组成。数据项(Data Item)：具有独立含义的最小单位。数据对象(Data Object)：元素的集合数据结构(Data Structure)：三要素（逻辑结构、存储结构、数据运算：增、删、改、查）逻辑结构：数据元素之间的关系（逻辑结构形式上用二元组，B=（K,R），K是结点的集...
- 机器学习通常分为四类 监督学习无监督学习半监督学习强化学习 目录 监督学习 监督学习有两个典型的分类： 常见的监督学习算法 无监督学习 常见的无监督学习算法 无监督学习算法常见工作 半监督 强化学习 其他 监督学习 监督学习是从标记的训练数据来推断一个功能的机器学习任务。在监督学习中，每个实例都是由一个输入对象（通常为矢量）和一个期望的输出值（... 机器学习通常分为四类 监督学习无监督学习半监督学习强化学习 目录 监督学习 监督学习有两个典型的分类： 常见的监督学习算法 无监督学习 常见的无监督学习算法 无监督学习算法常见工作 半监督 强化学习 其他 监督学习 监督学习是从标记的训练数据来推断一个功能的机器学习任务。在监督学习中，每个实例都是由一个输入对象（通常为矢量）和一个期望的输出值（...
- 大家好，我是不温卜火，是一名计算机学院大数据专业大二的学生，昵称来源于成语—不温不火，本意是希望自己性情温和。作为一名互联网行业的小白，博主写博客一方面是为了记录自己的学习过程，另一方面是总结自己所犯的错误希望能够帮助到很多和自己一样处于起步阶段的萌新。但由于水平有限，博客中难免会有一些错误出现，有纰漏之处恳请各位大佬不吝赐教！暂时只有csdn这一个平台，博客... 大家好，我是不温卜火，是一名计算机学院大数据专业大二的学生，昵称来源于成语—不温不火，本意是希望自己性情温和。作为一名互联网行业的小白，博主写博客一方面是为了记录自己的学习过程，另一方面是总结自己所犯的错误希望能够帮助到很多和自己一样处于起步阶段的萌新。但由于水平有限，博客中难免会有一些错误出现，有纰漏之处恳请各位大佬不吝赐教！暂时只有csdn这一个平台，博客...
上滑加载中
推荐直播
-
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中
热门标签