本地paddle serving部署参考 参考 TESTUCI_housing下载模型wget --no-check-certificate https://paddleserving.bj.bcebos.com/uci_housing.tar.gztar -xzf uci_housing.tar.gz 由于直接在windows本机上部署，所以不需要上述命令，直接下载文件解压 安装paddle servingpip install paddle_serving_server //在CPU环境上安装paddle_serving_serverpip install paddke_serving_ ...

血细胞检测数据集 参考网址 faster R-CNN weights -500epochs 使用faster R-CNN框架，csv自定义数据集。基于tensorflow和keras。 数据集处理csv文件要求的格式为：filepath,x1,y1,x2,y2,class_name BCCD数据集中已经给好了一个csv格式的test： train.txt test.txt给出了训练集和测试集的图片名： 将给出的test.csv重命名为all.csv，按照train.txt和test.txt给出相应的train.csv和test.csv import csvfile = open('./te ...

EfficientNetEfficientNet: Rethinking Model Scaling for Convolutional Neural Networks论文链接： https://arxiv.org/pdf/1905.11946.pdf官方源码： https://github.com/tensorflow/tpu/tree/master/models/official/efficientnet第三方PyTorch源码： https://github.com/lukemelas/EfficientNet-PyTorch 简介 一般情况下通过扩大网络深度、宽度、分辨率（如Gpi ...

目标检测（物体检测, Object Detection) 专知荟萃 入门学习 进阶文章 综述 Tutorial 视频教程 代码 领域专家 入门学习 图像目标检测（Object Detection）原理与实现 （1-6） [http://www.voidcn.com/article/p-xnjyqlkj-ua.html] [http://www.voidcn.com/article/p-ypylfzuk-ua.html] [http://www.voidcn.com/article/p-pfihszbt-ua.html] [http://www.voidcn.com/article/p-h ...

目标检测五SSDSSD，全称Single Shot MultiBox Detector，是Wei Liu在ECCV 2016上提出的一种目标检测算法，截至目前是主要的检测框架之一，相比Faster RCNN有明显的速度优势，相比YOLO又有明显的mAP优势（不过已经被CVPR 2017的YOLO9000超越）。 论文链接：https://arxiv.org/abs/1512.02325 论文翻译：https://blog.csdn.net/denghecsdn/article/details/77429978 论文详解：https://blog.csdn.net/WZZ1819117166 ...

目标检测四YOLO v1参考：https://zhuanlan.zhihu.com/p/32525231 参考：https://zhuanlan.zhihu.com/p/31427164 yolo (you only look once)。 Yolo算法采用一个单独的CNN模型实现end-to-end的目标检测 ，整个系统如下图所示：首先将输入图片resize到448x448，然后送入CNN网络，最后处理网络预测结果得到检测的目标。相比R-CNN算法，其是一个统一的框架，其速度更快，而且Yolo的训练过程也是end-to-end的。 原理YOLO将输入图像分成SxS个格子，每个格子负责检测 ...

目标检测三参考：https://www.cnblogs.com/skyfsm/p/6806246.html Fast R-CNN原理论文地址： Fast R-CNN 代码地址： 代码地址：rbgirshick/fast-rcnn 相对于R-CNN，Fast R-CNN主要有三点改进： 提出了RoIPooling，避免了对提取的region proposals进行缩放到224x224，然后经过pre-trained CNN进行检测的步骤，加速了整个网络的learning与inference过程，这个是巨大的改进，并且RoIPooling是可导的，因此使得整个网络可以实现end-to-end ...

目标检测二R-CNN论文： 《Rich feature hierarchies for accurate oject detection and semantic segmentation》 项目地址：https://github.com/rbgirshick/rcnn R-CNN概括起来就是selective search+CNN+L-SVM的检测器 用selective search代替传统的滑动窗口，提取出2k个候选region proposal 对于每个region，用摘掉了最后一层softmax层的AlexNet来提取特征 训练出来K个L-SVM作为分类器(每个目标类一个 ...

目标检测一非极大值抑制nmsnms目标检测算法会产生数量巨大的候选矩形框，这些矩形框有很多是指向同一目标，存在大量冗余。nms可以消除多余的框，找到最佳的物体检测位置。 非极大值抑制（Non-Maximum Suppression）的思想是搜索局部极大值，抑制非极大值元素 交并比 IoU(Intersection over Union)为交并比 。 经典nms 设定目标框的置信度阈值，常用的阈值是0.5左右 根据置信度降序排列候选框列表 选取置信度最高的框A添加到输出列表，并将其从候选框列表中删除 计算A与候选框列表中的所有框的IoU值，删除大于阈值的候选框 重复上述过程，直 ...

极大似然估计参考： https://www.zhihu.com/question/24124998 极大似然是对概率模型参数学习优化目标的一种定义 。 就是利用已知的样本结果信息，反推最具有可能（最大概率）导致这些样本结果出现的模型参数值 。 对于离散型的随机变量： 如果是一个连续型的随机变量 ： 想对$L(\theta)$求最值，为了便于求导，两边取对数，有： 如果方程有唯一解，且是极大值点，那么我们就求得了极大似然估计值。 例子1：抛硬币 例子2：单参数 例子3：多参数 总体方差的极大似然估计值的分母是 而不是 ，因此他不是一个无偏估计量。但是可以说他是渐近无偏 ...