| by YoungTimes | No comments

Viterbi算法及其在隐马尔可夫模型(HMM)中的应用

1.Viterbi算法定义

1.1 算法输入

观察值域空间为:$O=\{O_1, O_2, …, O_N\}$

状态空间为:$S=\{S_1, S_2, …, S_K\}$

观察值序列为:$Y=\{Y_1, Y_2, …, Y_T\}$

$A_{K \tim[……]

继续阅读

Read More
| by YoungTimes | No comments

从零开始学习自动驾驶系统(五)-扩展卡尔曼滤波Extend Kalman Filter

1.泰勒级数展开

如果函数$f(x)$在点$x=x_0$具有任意阶导数,则

$$\begin{aligned}f(x)=&\sum_{n=0}^{\infty} \frac{f^{(n)}(x_0)}{n!} (x – x_0)^n&nbs[……]

继续阅读

Read More
| by YoungTimes | No comments

机器学习-Mean Shift聚类算法

Mean Shift算法建立在核密度估计(kernel density estimation,KDE)的基础之上,它假设数据点集是从Probability Distribution中采样获取的,Kernel Density Estimation是从数据点集估计Probability Distribu[……]

继续阅读

Read More
| by YoungTimes | No comments

Real-Time Object Detection-YOLO V1学习笔记

YOLO之前的Object Detection方法主要是通过Region Proposal产生大量的Bounding Box,再用Classifier判断每个Bounding Box是否包含Object,以及Object所属类别的Probability。

YOLO提出了一种新的Object[……]

继续阅读

Read More
| by YoungTimes | No comments

Faster-RCNN中Anchor锚框生成

Anchor是Faster RCNN中的一个重要的概念,在对图像中的物体进行分类检测之前,先要生成一系列候选的检测框,以便于神经网络进行分类和识别。

1.什么是Anchor

论文中的描述如下:

An anchor is centered at the sliding windo[……]

继续阅读

Read More
| by YoungTimes | No comments

目标检测(Object Detection)的评估指标mAP

在Faster RCNN论文中与Fast RCNN的对比效果如下:

官方公布的Fast R-CNN在COCO test-dev数据集上的mAP@.5为35.9%,mAP@[.5,.95]为19.7;

作者在论文中自己实现的Fast R-CNN在COCO test-dev上的mAP@.[……]

继续阅读

Read More
| by YoungTimes | No comments

目标检测(Object Detection)-Faster RCNN中的ROI Pooling层

1.什么是ROI Pooling

ROI(Region Of Interest)是从目标图像中识别出的候选识别区域。在Faster RCNN中,候选识别区域(ROIs)是把从RPN(Region Proposal Network)产生的候选识别框映射到Feature Map上得到的。
ROI P[……]

继续阅读

Read More
| by YoungTimes | No comments

深度残差网络(ResNet)论文学习(附代码实现)

本文结合50层深度残差网络的实现学习何博士的大作-Deep Residual Learning for Image Recognition。理论上,深层网络结构包含了浅层网络结构所有可能的解空间,但是实际网络训练中,随着网络深度的增加,网络的准确度出现饱和,甚至下降的现象,这个现象可以在下图直观看出来:56层的网络比20层网络效果还要差。但是这种退化并不是因为过拟合导致的,因为56层的神经网络的训练误差同样高。[……]

继续阅读

Read More
| by YoungTimes | No comments

目标检测-Training Region-based Object Detectors with Online Hard Example Mining(OHEM)

1.解决的问题

图像分类和目标检测是计算视觉领域的两个基础任务,Region-based ConvNet将目标检测问题转化为图像分类问题,使得目标检测领域出现了巨大的技术突破,同时也引入了难以处理的heuristics和hyperparameters问题。OHEM(Online Hard Ex[……]

继续阅读

Read More