原创 YOLOv2 / YOLO9000 深入理解
YOLOv2相對v1版本，在繼續保持處理速度的基礎上，從預測更準確（Better），速度更快（Faster），識別對象更多（Stronger）這三個方面進行了改進。其中識別更多對象也就是擴展到能夠檢測9000種不同對象，稱之爲YOLO900
2018-10-29 21:35:14
9
原创 理解貝葉斯定理
條件概率 先要從條件概率講起，條件概率，一般記作P(A|B)，意思是當B事件發生時，A事件發生的概率。其定義爲 P(A∣B)=P(A∩B)P(B)P(A|B)=\frac{P(A\cap B)}{P(B)}P(A∣B)=P(B)P(A
2018-10-20 06:49:03
原创 YOLO v1深入理解
YOLO（You Only Look Once）是一種基於深度神經網絡的對象識別和定位算法，其最大的特點是運行速度很快，可以用於實時系統。現在YOLO已經發展到v3版本，不過新版本也是在原有版本基礎上不斷改進演化的，所以本文先分析YOLO
2018-10-15 21:05:11
16
原创 樸素貝葉斯分類——大道至簡
分類問題 已知m個樣本 $(x^1,y^1), ...... (x^m,y^m)$，x是特徵變量，y是對應的類別。要求一個模型函數h，對於新的樣本 $x^t$，能夠儘量準確的預測出 $y^t = h(x^t)$。 概率角度 很多機器學習算法
2018-09-29 15:45:18
2
原创 偏差(Bias)和方差(Variance)——機器學習中的模型選擇
模型性能的度量 在監督學習中，已知樣本 $(x_1, y_1),(x_2, y_2),...,(x_n, y_n)$，要求擬合出一個模型（函數）$\hat{f}$，其預測值$\hat{f}(x)$與樣本實際值$y$的誤差最小。 考慮到樣本數
2018-09-18 23:45:13
1