論文：License Plate Detection and Recognition in Unconstrained Scenarios 摘要 自動(dòng)車牌識(shí)別（ Automa...
發(fā)簡(jiǎn)信
IP屬地：北京
-
ALPR：無(wú)約束場(chǎng)景中的車牌檢測(cè)和識(shí)別 -
Python 3 & Keras YOLO v3解析與實(shí)現(xiàn)YOLOv3在YOLOv2的基礎(chǔ)進(jìn)行了一些改進(jìn)，這些更改使其效果變得更好。 在320×320的圖像上，YOLOv3運(yùn)行速度達(dá)到了22.2毫秒，mAP為28.2。其與SSD一樣...
-
主成分分析（PCA）的推導(dǎo)與解釋前言 PCA是一種無(wú)參數(shù)的數(shù)據(jù)降維方法，在機(jī)器學(xué)習(xí)中很常用，這篇文章主要從三個(gè)角度來(lái)說(shuō)明PCA是怎么降維的分別是方差角度，特征值和特征向量以及SVD奇異值分解。 PCA的推導(dǎo)...
-
Lecture 4 介紹神經(jīng)網(wǎng)絡(luò)我們已知梯度計(jì)算有數(shù)值法和解析式法，當(dāng)損失函數(shù)非常復(fù)雜時(shí)我們可能無(wú)法直接寫出損失函數(shù)L對(duì)參數(shù)W的梯度計(jì)算表達(dá)式，所以可以引入中間節(jié)點(diǎn)，當(dāng)前節(jié)點(diǎn)的梯度計(jì)算之和當(dāng)前節(jié)點(diǎn)有關(guān)。例如...
-
Lecture 2 圖像分類
注意：課程需要使用大量Python編程并使用Numpy 完成矩陣運(yùn)算，所以學(xué)習(xí)本lecture的同時(shí)需要學(xué)習(xí)Python 和Numpy。使用教程：點(diǎn)擊這里 本課重點(diǎn)： 數(shù)據(jù)驅(qū)...
-
Lecture 11 檢測(cè)與分割我們之前都是圖像分類的任務(wù)，最后一個(gè)全連接層得到所有分類的得分?，F(xiàn)在我們來(lái)研究計(jì)算機(jī)視覺(jué)的其他任務(wù)，比如語(yǔ)義分割、圖像分類與定位、目標(biāo)檢測(cè)、實(shí)例分割等。 本課重點(diǎn) 語(yǔ)義分割 ...
-
Lecture 13 生成模型之前了解到的都是有監(jiān)督學(xué)習(xí)（Supervised Learning）：我們有數(shù)據(jù)x和標(biāo)簽y，目標(biāo)是學(xué)習(xí)到一個(gè)函數(shù)可以將數(shù)據(jù)x映射到標(biāo)簽y，標(biāo)簽可以有很多形式。典型的有監(jiān)督學(xué)習(xí)...
-
Lecture 12 可視化和理解CNN本課重點(diǎn) 特征可視化 DeepDream 風(fēng)格遷移 1 特征可視化 之前一直把CNN當(dāng)做黑盒子處理，那么其工作原理是什么樣的呢？每一層都在尋找哪些內(nèi)容？中間層的作用是什么？以...
-
iOS真機(jī)測(cè)試Appium環(huán)境搭建appium官網(wǎng)使用介紹[http://appium.io/docs/en/about-appium/getting-started/index.html]（推薦） 一、安裝...
