本文介绍了计算机视觉中单阶段目标检测问题的解决方法，即 Yolo 系列。 1. 前言 2. YOLO V1 2.1. 网络结构 2.2. 输入 2.3. 输出 2.4. 构造训练样本 2.5. 损失函数 2.6. 训练 2.7. 测试预测 2.8. 结论 ...
SIRLIS
取消
计算机视觉（One-Stage 目标检测）
计算机视觉（Two-Stage 目标检测）
本文介绍了计算机视觉中目标检测问题的基础研究和历史。 1. 前言 1.1. AlexNet 1.2. VGG16 2. R-CNN 3. Fast R-CNN 4. Faster R-CNN 5. 参考文献 1. 前言 图片分类任务我们已经熟悉了，就是算法对其中的对象进行分类。而今天我们要了解构建神经网络...
深度学习基础（CNN 卷积神经网络）
本文介绍了深度学习中卷积神经网络的（CNN）的基础知识。 1. 基础知识 1.1. 图像 1.2. 卷积 1.2.1. 单通道卷积 1.2.2. 多通道卷积 1.2.3. 权重 1.2.4. 偏置 1.2.5. 激活 ...
统计学基础（核回归）
本文介绍了统计学中的核回归方法，并铺垫了非参数化统计方法等一些基础知识。 1. 基本知识 1.1. 回归 1.2. 近邻回归 1.3. 核回归 2. 参考文献 1. 基本知识 1.1. 回归 回归分析（Regression Analysis）是一种统计学上分析数据的方法，目的在于了解两个或多个变量间是否...
最优控制基础（微分方程的解法）
本文介绍了最优控制的数值解法的基础知识，包括微分方程的数值解法。 1. 多项式局部近似 2. 多项式插值 2.1. 拉格朗日插值 2.2. 重心拉格朗日插值 2.3. 切比雪夫节点 3. ODE-IPV的数值解法 3.1. 时间推进法 3.1.1....
深度学习基础（高斯过程）
本文介绍了高斯过程，包括高斯函数、多元高斯分布、高斯过程。 1. 一元高斯分布 2. 多元高斯分布 3. 高斯过程 3.1. 概念 3.2. 举例 3.3. 高斯过程回归 3.3.1. 构建高斯过程先验 3.3.2. 求解超参数 3.3.3. 测...
VSCode部署R开发环境
本文介绍了基于 VSCode 的 R 开发环境的搭建方法。 1. 简介 2. 下载与安装 3. 配置 R 开发环境 3.1. 安装 R 语言 3.2. 安装 LanguageServer 3.3. 安装扩展 3.4. 测试 R 环境 4. 安装 R 程辑包 5. 参考文献 1. 简介...
PyTorch基础（随机数种子）
本文主要记录自己学习 PyTorch 过程中涉及的一些基础知识。 1. 随机数 1.1. 随机数产生 1.2. 随机数种子 2. 参考文献 1. 随机数 1.1. 随机数产生 随机数广泛应用在科学研究，但是计算机无法产生真正的随机数，一般成为伪随机数。它的产生过程：给定一个随机种子（一般是一个正整数），根据随机算法...
深度学习文章阅读（深度流体可视化）
本文介绍了 2020 年 Raissi 等发表在 Science 上的一种根据流体可视化结果来学习速度和压力场的方法，称为隐流体力学（hidden fluid mechanics）。 1. 引言 1.1. 网络框架 1.2. 损失函数 1.3. 仿真 1.3.1. 圆柱体遮挡的外部流动 ...
深度学习文章阅读（广义TS模糊系统）
本文介绍了 2001 年 Taniguchi 等提出的一种广义 TS 模糊系统的建模方法、规则约减和鲁棒控制方法。 1. 引言 2. 传统 TS 模糊系统 3. 广义 TS 模糊系统 3.1. 建模 3.1.1. 系统建模 3.1.2. 模糊化表示 3.1.3. 举例 ...