图像分类实质上就是从给定的类别集合中为图像分配对应标签的任务。也就是说我们的任务是分析一个输入图像并返回一个该图像类别的标签。假定类别集为categories = {dog, cat, panda},之后我们提供一张图片给分类模型,如下图所示:查看全文>>
YOLO系列算法是一类典型的one-stage目标检测算法,其利用anchor box将分类与目标定位的回归问题结合起来,从而做到了高效、灵活和泛化性能好,所以在工业界也十分受欢迎,接下来我们介绍YOLO 系列算法。查看全文>>
在进行模型训练时,我们需要构造训练样本和设计损失函数,才能利用梯度下降对网络进行训练。将一幅图片输入到yolo模型中,对应的输出是一个7x7x30张量,构建标签label时对于原图像中的每一个网格grid都需要构建一个30维的向量。对照下图我们来构建目标向量:查看全文>>
不断地交换下去就可以将最大的那个数放到队列的尾部。然后重头再次交换,直到将数列排成有序数列。接下来我们以以数列[5, 9, 3, 1, 2, 8, 4, 7, 6]为例,演示冒泡排序的实现过程,最初的数列顺序如下图所示:查看全文>>
复杂度分析是估算算法执行效率的方法,公式O(f(n))表示算法的复杂度,此方法即为大O复杂度表示法O(f(n))中n表示数据规模,f(n)表示运行算法所需要执行的指令数。下面的代码非常简单,求 1,2,3…n 的累加和,我们要做的是估算它的执行效率。查看全文>>
30岁开始学人工智能行业吗?晚不晚?如果你有一定的编辑基础和经验是可以的,学习人工智能并不意味着抛掉过去所学的东西,而是在之前的计算机基础上升级深耕于一个方向应用于多个领域。不论转行计算机的哪个方向都是不错的选择,而人工智能也确实是比较热门的方向。查看全文>>