? 本文来自公众号“AI大道理” 解码就是将预测得到的调整参数应用于先验框，从而得到预测框。 ?解码原理 YOLOv3借鉴RPN网络使用anchor boxes来预测边界框相对先验框的offsets。 YOLOv3预测边界框中心点相对于对应cell左上角位置的相对偏移值，使用sigmoid函数处理偏 ...
分类：
其他好文 时间：
2021-06-22 18:47:11
阅读次数：
0
曲线: P-R X轴是Percision, Y轴是Reall。 Percision=TP/FP+TP，也就是预测是阳性并且正确的/预测是阳性的。这个值大意味着这个模型预测出来的阳性很多都是对的，当置信度大时，一般精确度也大。 Recall=TP/TP+FN, 也就是预测是阳性并且正确/所有的阳性。R ...
分类：
其他好文 时间：
2021-03-30 13:57:23
阅读次数：
0
本文主要解读CenterNet如何加载数据，并将标注信息转化为CenterNet规定的高斯分布的形式。 1. YOLOv3和CenterNet流程对比 CenterNet和Anchor-Based的方法不同，以YOLOv3为例，大致梳理一下模型的框架和数据处理流程。 YOLOv3是一个经典的单阶段的 ...
分类：
Web程序 时间：
2020-07-30 18:23:01
阅读次数：
91
购物篮分析是商业领域最前沿、最具挑战性的问题之一，也是许多企业研究重点问题。购物篮分析是通过发现顾客在一次购买行为中放入购物篮中不同商品之间的关联，研究客户的购买行为，从而达到辅助零售企业制定营销策略制定的一种数据分析方法。
分类：
其他好文 时间：
2020-07-15 12:53:30
阅读次数：
138
https://www.cnblogs.com/zyly/p/9416263.html adaboost底数为e 系数αkαk表示了弱分类器Gk(x)Gk(x)的重要性，这里所有αα之和并不为1，f(x)f(x)的符号决定实例xx的类，f(x)f(x)的绝对值表示分类的置信度。 ...
分类：
其他好文 时间：
2020-06-17 23:07:09
阅读次数：
59
Apriori算法的简介 Apriori算法：使用候选项集找频繁项集 Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。 Apriori ...
分类：
编程语言 时间：
2020-05-30 23:24:42
阅读次数：
737
方法1 1.将要检测的数据保存至Excel 2.打开MATLAB，输入如下代码： x=xlsread('Test.xlsx','b') [h,p]=lillietest(x) b–代表sheet表名 结果分析： h=0--表示符合正态分布 p–置信度 方法2： 同样的打开MATLAB，输入如下代码： ...
分类：
其他好文 时间：
2020-05-11 15:14:41
阅读次数：
72
问题描述 在目标检测中，有一个很重要的算法，就是非极大值抑制算法，它本身是一个贪心算法。在多个目标检测预测框结果里找到极大的那个，也即是置信度最高的那个。最近有被问到有关NMS的CPP实现，大概查了一下，大部分都是用python写的，用cpp可能更困难一些。 解决思路 算法原理 输入：包含多个输入框 ...
分类：
编程语言 时间：
2020-05-10 11:11:46
阅读次数：
78
项集： 最基本的模式是项集，它是指若干个项的集合。频繁模式是指数据集中频繁出现的项集、序列或子结构。频繁项集是指支持度大于等于最小支持度(min_sup)的集合。其中支持度是指某个集合在所有事务中出现的频率。频繁项集的经典应用是购物篮模型。常用的频繁项集的评估标准有支持度,置信度和提升度（关联规则） ...
分类：
其他好文 时间：
2020-04-04 14:45:35
阅读次数：
976
预测某个位置使用全局特征和使用周围特征的区别YOLO 使用全局的特征就是全图的范围内查找预测所有类型概率，置信度。。SSD是使用周围特征，就是anchor机制。 ...
分类：
其他好文 时间：
2020-03-13 20:34:29
阅读次数：
62
