码迷,mamicode.com
首页 >  
搜索关键字:准确率 召回率    ( 678个结果
YOLOv3模型识别车位图片的测试报告(节选)
1,YOLOv3模型简介 YOLO能实现图像或视频中物体的快速识别。在相同的识别类别范围和识别准确率条件下,YOLO识别速度最快。 官网:https://pjreddie.com/darknet/yolo/ 知乎:https://zhuanlan.zhihu.com/p/25236464 YOLO有 ...
分类:其他好文   时间:2018-05-24 18:04:31    阅读次数:705
分类算法之决策树
分类问题,主要介绍决策树算法、朴素贝叶斯、支持向量机、BP神经网络、懒惰学习算法、随机森林与自适应增强算法、分类模型选择和结果评价。 一、分类基本介绍 物以类聚,人以群分,分类问题只古以来就出现我们的生活中。分类是数据挖掘中一个重要的分支,在各方面都有着广泛的应用,如医学疾病判别、垃圾邮件过滤、垃圾 ...
分类:编程语言   时间:2018-05-23 17:06:05    阅读次数:236
目标检测 — 评价指标
评价指标: 准确率 (Accuracy),混淆矩阵 (Confusion Matrix),精确率(Precision),召回率(Recall),平均正确率(AP),mean Average Precision(mAP),交除并(IoU),ROC + AUC,非极大值抑制(NMS)。 1、准确率 (A ...
分类:其他好文   时间:2018-05-22 14:44:53    阅读次数:3021
深入解读Resnet
残差网络的设计目的 随着网络深度增加,会出现一种退化问题,也就是当网络变得越来越深的时候,训练的准确率会趋于平缓,但是训练误差会变大,这明显不是过拟合造成的,因为过拟合是指网络的训练误差会不断变小,但是测试误差会变大。为了解决这种退化现象,ResNet被提出。我们不再用多个堆叠的层直接拟合期望的特征 ...
分类:Web程序   时间:2018-05-17 20:44:09    阅读次数:1863
关于模型优化的思考
1、提高深度学习模型识别率的准确率的思考(1)数据增强技术(图像翻转、白化),对训练数据做一些处理增加数据的抗造性能(2)模型改进,尝试多种模型(3)调整学习率首先使用较大的学习率进行训练,观察目标函数值和验证集准确率的收敛曲线,如果目标函数值下降速度和验证集准确率上升速度出现减缓时,减小学习率。循 ...
分类:其他好文   时间:2018-05-14 19:58:35    阅读次数:148
TX2上yolov3精度和速度优化方向
速度优化的方向:1、减少输入图片的尺寸, 但是相应的准确率可能会有所下降2、优化darknet工程源代码(去掉一些不必要的运算量或者优化运算过程)3、剪枝和量化yolov3网络(压缩模型 > 减枝可以参考tiny-yolo的过程 , 量化可能想到的就是定点化可能也需要牺牲精度)4、darknet > ...
分类:其他好文   时间:2018-05-14 19:56:45    阅读次数:1742
yolo原理学习
1、【yolov1】 第一步:将图像划分为S*S的栅格(grid cell),这里分成了7*7的grid cell。栅格的任务是:检测中心落在该栅格中的物体(注意,栅格中心未必与物体的中心重合,这个一定要明确,对后面的理解才不会产生影响)。 第二步:一个grid cell 可以预测B个boundin ...
分类:其他好文   时间:2018-05-14 19:47:29    阅读次数:3843
机器学习之路: python 实践 提升树 XGBoost 分类器
git: https://github.com/linyi0604/MachineLearning 数据集被我下载到本地,可以去我的git上拿数据集 XGBoost提升分类器 属于集成学习模型 把成百上千个分类准确率较低的树模型组合起来 不断迭代,每次迭代生成一颗新的树 下面 对泰坦尼克遇难预测使用 ...
分类:编程语言   时间:2018-05-08 17:33:14    阅读次数:291
机器学习模型效果评价
一、分类 1、精确率 被识别成正类的,有多少是真正的正类。 2、召回率 真正的正类,有多少等被找出来(召回)。 3、准确率 被分类样本总数中,有多少是正确分类的。 4、F1 5、平均精确率(AP)average precision Precision-recall曲线以下面积 6、AUC(area ...
分类:其他好文   时间:2018-05-04 15:23:35    阅读次数:211
推荐系统--评估指标汇总
准确率。推荐给用户的商品中,属于测试集的比例,数学公式$P(L_{u})=\frac{L_{u}\bigcap B_{u}}{L_{u}}$ 。整个测试集的准确率为 $P_{L}=\frac{1}{n}\sum_{u\epsilon U}P(L_{u})$ 召回率。测试集中有多少在用户的推荐列表中。 ...
分类:其他好文   时间:2018-05-01 15:13:48    阅读次数:179
678条   上一页 1 ... 30 31 32 33 34 ... 68 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!