广东工业大学:《机器学习》课程教学资源(课件讲义)第13讲 卷积神经网络计算机视觉应用(目标检测,计算机视觉训练技巧)

动手学深度学习 16.目标检测,计算机视觉训练技巧 中文教材:zh.d2l.ai 英文教材:www.d2l.ai 教学视频:https:l/courses.d2l.ai/berkeley-stat-157/units/detection.html D2L.ai
动手学深度学习 16.目标检测,计算机视觉训练技巧 中文教材:zh.d2l.ai 英文教材:www.d2l.ai 教学视频:https://courses.d2l.ai/berkeley-stat-157/units/detection.html

概要 ·目标检测 ·边界框和锚框 ·交并比 。 区域卷积神经网络(R-CNN) ·单发多框检测(SSD) ·计算机视觉训练技巧 D2L.ai
概要 • 目标检测 • 边界框和锚框 • 交并比 • 区域卷积神经网络( R-CNN) • 单发多框检测(SSD) • 计算机视觉训练技巧

trtraff气e14ght59% 91 DR DUANE 目标检测 :99 erson. person:97 in
目标检测

truck traffic light 面国 car per son car car car bicycle car car car car ycle

图像分类 目标检测 Dog Dog Dog Cat D2L.ai
图像分类 目标检测

边界框和锚框 D2L.ai
边界框和锚框

边界框 60.45 ·一个边界框可以 由4个数字定义: 100 (左上角x, 200 左上角 , 300 右下角 X, 400 右下角y) (左上角x, 500 右上角y, 200 400 600 宽度,高度) 378,516 D2L.ai
边界框 • 一个边界框可以 由 4 个数字定义 : • (左上角 x , 左上角 y , 右下角 x , 右下角 y ) • (左上角 x , 右上角 y , 宽度,高度) 60, 45 378, 516

目标检测数据集 0 100 200 ·每行都有一个目标物体 300 ·图像名称,物体类别,边界框 400 500 COCO数据集(cocodataset..org) 0 200 400 600 ·80个物体 ·330K个图像 1.5M目标物体 Common Objects in Context D2L.ai
目标检测数据集 • 每行都有一个目标物体 • 图像名称,物体类别,边界框 • COCO 数据集(cocodataset.org) • 80 个物体 • 330K 个图像 • 1.5M 目标物体

锚框 ·目标物体检测算法: s=0.75,r=0.5 ·选择多个区域,称为锚框 s=0.75,r=1 5=0.75,r=2 5,r=1 。 预测每个锚框是否包含目 200 5=0.25,r=1 标物体 ·如果是,则预测从锚框到 300 实际边界框的偏移量 400 500 0 200 400 600 D2L.ai
锚框 • 目标物体检测算法: • 选择多个区域,称为锚框 • 预测每个锚框是否包含目 标物体 • 如果是,则预测从锚框到 实际边界框的偏移量

交并比 交并比(IoU)测量两个框之间 的相似性: 相交面积 ·0表示不重叠 ·1表示完全相同 ·Jaccard系数,给定集A和B: 相并面积 A∩B J(A,B)= IAUBI D2L.ai
交并比 • 交并比(IoU)测量两个框之间 的相似性: • 0 表示不重叠 • 1 表示完全相同 • Jaccard 系数,给定集A和B: �(�, �) = |� ∩ �| |� ∪ �|
按次数下载不扣除下载券;
注册用户24小时内重复下载只扣除一次;
顺序:VIP每日次数-->可用次数-->下载券;
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第13讲 卷积神经网络计算机视觉应用(Inception, 批量归一化和残差网络ResNet).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第12讲 卷积神经网络(LeNet, AlexNet, VGG和NiN).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第12讲 卷积神经网络(卷积和池化层).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第11讲 感知机模型与多层感知机(前馈神经网络,DNN BP).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第10讲 神经网络的优化(激活函数 dropout).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第10讲 神经网络的优化(梯度消失和梯度爆炸BN).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第10讲 神经网络的优化(自适应学习率 AdaGrad RMSProp).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第10讲 神经网络的优化(batch和动量Momentum NAG).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第9讲 神经网络的优化(梯度下降、学习率adagrad adam、随机梯度下降、特征缩放).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第9讲 神经网络的优化(损失函数).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第8讲 集成学习(决策树的演化).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第7讲 集成学习(决策树).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第6讲 线性回归模型及其求解方法 Linear Regression Model and Its Solution.pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第5讲 分类问题(4.4 朴素?叶斯分类器).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第5讲 分类问题(4.3 ?持向量机 SVM).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第4讲 分类问题(4.1 分类与回归问题概述 4.2 分类性能度量?法).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第3讲 特征工程 Feature Engineering.pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第2讲 模型评估与选择.pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第1讲 机器学习概述.pdf
- 《机器学习》课程教学资源:《大语言模型》参考书籍PDF电子版 THE CHINESE BOOK FOR LARGE LANGUAGE MODELS(共十三章).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第14讲 循环神经网络(RNN).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第15讲 无监督学习——降维深度学习可视化(PCA Kmeans).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第15讲 无监督学习——降维深度学习可视化(Neighbor Embedding,LLE T-SNE).pdf
- 广东工业大学:《机器学习》课程教学资源(PPT讲稿)第16讲 现代循环神经网络(高级循环神经网络).pptx
- 广东工业大学:《机器学习》课程教学资源(PPT讲稿)第16讲 现代循环神经网络(编码器解码器,Seq2seq模型,束搜索).pptx
- 广东工业大学:《机器学习》课程教学资源(PPT讲稿)第16讲 现代循环神经网络(嵌入向量, 词嵌入, 子词嵌入, 全局向量的词嵌入).pptx
- 广东工业大学:《机器学习》课程教学资源(PPT讲稿)第17讲 注意力机制(概述).pptx
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第17讲 注意力机制(自注意力).pdf
- 广东工业大学:《机器学习》课程教学资源(PPT讲稿)第18讲 变换器模型 Transformer.pptx
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第18讲 变换器模型 Transformer.pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第19讲 ViT及注意力机制改进(Vision Transformers ,ViTs).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第19讲 ViT及注意力机制改进(各式各样的Attention).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第20讲 预训练模型 Pre-training of Deep Bidirectional Transformers for Language Understanding(授课:周郭许).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第21讲 生成式网络模型(自编码器 Deep Auto-encoder).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第21讲 生成式网络模型(VAE Generation).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第22讲 生成式网络模型(Diffusion Model).pdf
- 广东工业大学:《机器学习》课程教学资源(课件讲义)第22讲 生成式网络模型(Stable Diffusion).pdf
- 北京信息科技大学:计算机学院各专业课程教学大纲汇编.pdf
- 北京信息科技大学:计算中心及图书馆课程教学大纲汇编.pdf
- 新乡学院:数学与统计学院信息与计算科学专业《数学分析Ⅰ》课程教学大纲(2015).pdf