- Mask RCNN 是作者 Kaiming He 于 2018 年发表的论文。Mask RCNN 继承自 Faster RCNN 主要有三个改进。 Mask RCNN 是作者 Kaiming He 于 2018 年发表的论文。Mask RCNN 继承自 Faster RCNN 主要有三个改进。
- Retinanet 提出了一种简单但是非常实用的 Focal Loss 焦点损失函数，并且 Loss 设计思想可以推广到其他领域。 Retinanet 提出了一种简单但是非常实用的 Focal Loss 焦点损失函数，并且 Loss 设计思想可以推广到其他领域。
- Retinanet 提出了一种简单但是非常实用的 Focal Loss 焦点损失函数，并且 Loss 设计思想可以推广到其他领域。 Retinanet 提出了一种简单但是非常实用的 Focal Loss 焦点损失函数，并且 Loss 设计思想可以推广到其他领域。
- 编辑第十四届蓝桥杯集训——练习解题阶段(无序阶段)-ALGO-987 强力党逗志芃目录第十四届蓝桥杯集训——练习解题阶段(无序阶段)-ALGO-987 强力党逗志芃前言关于数学的疑问算法训练 强力党逗志芃C语言C++语言Java语言Python语言总结第六届——第十三届省赛题解第六届——第十二届国赛题解前言 这段时间我会把蓝桥杯官网上的所有非VIP题目都发布一遍，让大家方... 编辑第十四届蓝桥杯集训——练习解题阶段(无序阶段)-ALGO-987 强力党逗志芃目录第十四届蓝桥杯集训——练习解题阶段(无序阶段)-ALGO-987 强力党逗志芃前言关于数学的疑问算法训练 强力党逗志芃C语言C++语言Java语言Python语言总结第六届——第十三届省赛题解第六届——第十二届国赛题解前言 这段时间我会把蓝桥杯官网上的所有非VIP题目都发布一遍，让大家方...
- 模型评估模型评估是模型开发过程不可或缺的一部分。它有助于发现表达数据的最佳模型和所选模型将来工作的性能如何。按照数据集的目标值不同，可以把模型评估分为分类模型评估和回归模型评估。一、分类模型评估准确率：预测正确的数占样本总数的比例。其他评价指标：精确率、召回率、F1-score、AUC指标等二、 回归模型评估均方根误差（Root Mean Squared Error，RMSE）RMSE是一... 模型评估模型评估是模型开发过程不可或缺的一部分。它有助于发现表达数据的最佳模型和所选模型将来工作的性能如何。按照数据集的目标值不同，可以把模型评估分为分类模型评估和回归模型评估。一、分类模型评估准确率：预测正确的数占样本总数的比例。其他评价指标：精确率、召回率、F1-score、AUC指标等二、 回归模型评估均方根误差（Root Mean Squared Error，RMSE）RMSE是一...
- 机器学习算法分类根据数据集组成不同，可以把机器学习算法分为：监督学习无监督学习半监督学习强化学习一、监督学习定义：输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值(称为回归），或是输出是有限个离散值（称作分类）。1、回归问题例如：预测房价，根据样本集拟合出一条连续曲线。2、分类问题例如：根据肿瘤特征判断良性还是恶性，得到的是结果是“良性”或者“恶性”，是离散的。二、无监督... 机器学习算法分类根据数据集组成不同，可以把机器学习算法分为：监督学习无监督学习半监督学习强化学习一、监督学习定义：输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值(称为回归），或是输出是有限个离散值（称作分类）。1、回归问题例如：预测房价，根据样本集拟合出一条连续曲线。2、分类问题例如：根据肿瘤特征判断良性还是恶性，得到的是结果是“良性”或者“恶性”，是离散的。二、无监督...
- 声明：本文仅供技术交流使用，阅读本文需具备一定的开发能力 前置准备一个域名一台服务器一个公众号 域名配置在你的域名服务商新建二级域名并绑定服务器主机IP 服务器配置上传下面的python文件到你的服务器，并修改代码段中相应位置代码（token、api-key、port）import timefrom flask import Flask,make_response,requestimport... 声明：本文仅供技术交流使用，阅读本文需具备一定的开发能力 前置准备一个域名一台服务器一个公众号 域名配置在你的域名服务商新建二级域名并绑定服务器主机IP 服务器配置上传下面的python文件到你的服务器，并修改代码段中相应位置代码（token、api-key、port）import timefrom flask import Flask,make_response,requestimport...
- 第十四届蓝桥杯集训——练习解题阶段(无序阶段)-ALGO-6 算法训练 安慰奶牛 最小生成树 前言 算法训练 安慰奶牛 最小生成树 C++语言 Java语言 Python语言 总结 第六届——第十三届省赛题解 第六届——第十二届省赛题解 第十四届蓝桥杯集训——练习解题阶段(无序阶段)-ALGO-6 算法训练 安慰奶牛 最小生成树 前言 算法训练 安慰奶牛 最小生成树 C++语言 Java语言 Python语言 总结 第六届——第十三届省赛题解 第六届——第十二届省赛题解
- 机器学习（九）：朴素贝叶斯算法 机器学习（九）：朴素贝叶斯算法
- 数据结构训练营4 数据结构训练营4
- 数据结构刷题训练营3 数据结构刷题训练营3
- 所谓深度神经网络的优化算法，即用来更新神经网络参数，并使损失函数最小化的算法。优化算法对于深度学习非常重要，网络参数初始化决定模型是否收敛，而优化算法的性能则直接影响模型的训练效率。 所谓深度神经网络的优化算法，即用来更新神经网络参数，并使损失函数最小化的算法。优化算法对于深度学习非常重要，网络参数初始化决定模型是否收敛，而优化算法的性能则直接影响模型的训练效率。
- 反向传播(backward propagation，简称BP)指的是计算神经网络参数梯度的方法。其原理是基于微积分中的链式规则，按相反的顺序从输出层到输入层遍历网络，依次计算每个中间变量和参数的梯度。 反向传播(backward propagation，简称BP)指的是计算神经网络参数梯度的方法。其原理是基于微积分中的链式规则，按相反的顺序从输出层到输入层遍历网络，依次计算每个中间变量和参数的梯度。
- 地形浮雕包括地球地形的垂直和水平变化，驱动着地貌学、生物地理学、气候学、水文学和生态学的进程。通过地貌测量和特征提取对其进行特征描述和评估，是众多环境建模和模拟分析的基础。因此，我们开发了Geomorpho90m全球数据集，包括从MERIT-数字高程模型（DEM）中提取的不同地貌特征，这是目前最好的全球高分辨率DEM。完全标准化的26个地貌变量由以下几层组成：(i) 使用一阶和二阶导数描... 地形浮雕包括地球地形的垂直和水平变化，驱动着地貌学、生物地理学、气候学、水文学和生态学的进程。通过地貌测量和特征提取对其进行特征描述和评估，是众多环境建模和模拟分析的基础。因此，我们开发了Geomorpho90m全球数据集，包括从MERIT-数字高程模型（DEM）中提取的不同地貌特征，这是目前最好的全球高分辨率DEM。完全标准化的26个地貌变量由以下几层组成：(i) 使用一阶和二阶导数描...
- 全球ML建筑脚印必应地图正在发布全球范围内的公开建筑脚印。我们从2014年至2021年的Bing地图图像中检测到777M的建筑，包括Maxar和Airbus的图像。为了完整起见，早期发布的数据集也包括在这个数据集中，并被纳入其中。你可以在这里找到Github repo和关于方法的更多信息。数据集是压缩的，可作为不同地区的GeoJSON和GeoJSONL文件。关于预处理的其他信息和一些更多的... 全球ML建筑脚印必应地图正在发布全球范围内的公开建筑脚印。我们从2014年至2021年的Bing地图图像中检测到777M的建筑，包括Maxar和Airbus的图像。为了完整起见，早期发布的数据集也包括在这个数据集中，并被纳入其中。你可以在这里找到Github repo和关于方法的更多信息。数据集是压缩的，可作为不同地区的GeoJSON和GeoJSONL文件。关于预处理的其他信息和一些更多的...
上滑加载中
推荐直播
-
华为云鸿蒙应用入门级开发者认证2025/06/11 周三 16:00-17:30
Skye / 华为云学堂技术讲师
本次直播专为备考华为云鸿蒙端云应用入门级开发者认证的学员设计，提供系统的考试辅导。深度解析认证核心知识点，涵盖HarmonyOS介绍、应用开发入门、ArkTS语言、声明式开发范式组件、Stage应用模型、玩转服务卡片、鸿蒙应用网络请求开发、鸿蒙应用云函数调用等内容。
回顾中 -
基于昇腾NPU的合成孔径雷达成像案例2025/06/12 周四 19:00-20:00
李阳 华为开发者布道师-高校教师
介绍合成孔径雷达算法的原理和优势，了解合成孔径雷达在传统计算中的痛点，分享如何使用昇腾NPU和AscendC语言构建信号处理算子，如何助力信号处理领域的高性能计算。
回顾中 -
华为云GaussDB入门级认证 - 考试辅导2025/06/13 周五 16:00-17:30
Steven / 华为云学堂技术讲师
本次直播为HCCDA-GaussDB认证考试提供全面辅导，旨在帮助学员深入了解数据库技术原理与应用实践。我们将详细解析考试大纲，分享高效备考策略，并讲解关键知识点，包括但不限于SQL操作介绍、GaussDB数据库管理与运维基础等。
回顾中
热门标签