HelloWorld 开发者社区

科技资讯

全部资讯

开源项目

全部项目

推荐好文

DDBNet:Anchor-free新训练方法,边粒度IoU计算以及更准确的正负样本 | ECCV 2020

<blockquote论文针对当前anchorfree目标检测算法的问题提出了DDBNet,该算法对预测框进行更准确地评估,包括正负样本以及IoU的判断。DDBNet的创新点主要在于box分解和重组模块(D&amp;R)和语义一致性模块,分别用于解决中心关键点的回归不准问题以及中心关键点与目标语

神经网络泛化

每当我们训练自己的神经网络时,我们都需要注意称为神经网络的泛化的问题。从本质上讲,这意味着我们的模型在从给定数据中学习以及将所学信息应用到其他方面有多出色。在训练神经网络时,将有一些数据在神经网络上进行训练,并且还将保留一些数据以检查神经网络的性能。如果神经网络在尚未

如何利用神经网络制作一个识别手写数字的程序(以colab 平台作举例)

如何利用神经网络制作一个识别手写数字的程序(以colab平台作举例)前言:本程序平台为colab即google的深度学习在线平台,为防止初学者被繁杂的tensflow环境配置磨灭了热情,我们不妨使用在线的深度学习平台进行学习和训练点击这里即可(https://link

正在加载更多文章…

加载更多

已加载文章中没有匹配内容,可继续加载更多。