一、目标定位目标定位从标准的CNN图像分类出发，在这个基础上又增加了更多的y值，比如PC表示图片中是否有检测物，如果有是1，否是0bx，by，bh，bw分别是定位矩形区域参数c1，c2，c3表示定位出来的物品属于哪个类别注意，如果pc是-，后面就没有意义，就全部不关心损失函数： 二、特征点检测除了用矩形框选出区域，我们哈可以对关键点定位，输入每个关键点的x，y坐标来定位，比如第一个为是否
转载
2024-01-15 07:39:33
240阅读
文章目录前言猜想实验实验思路网络结构——position encoding network评价指标实验结果 前言卷积神经网络在图像领域性能十分卓越，不仅可应用于图像识别，也可应用于目标检测与语义分割。目标检测与语义分割都需要定位目标在图像中的位置，而卷积神经网络在这两类任务中表现优异，是否意味着卷积神经网络可以编码目标的绝对位置（目标在图像中的位置，而不是目标相对于图像中的其他事物的位置）信息呢
转载
2024-02-26 07:00:38
40阅读
1. 目标定位和特征点检测图片检测问题：分类问题：判断图中是否为汽车；目标定位：判断是否为汽车，并确定具体位置；目标检测：检测不同物体并定位。目标分类和定位：对于目标定位问题，我们卷积神经网络模型结构可能如下： 输出：包含图片中存在的对象及定位框行人， or ；汽车， or ；摩托车， or ；图片背景， or ；定位框： 、、、其中， 表示汽车中点， 分别表示定位框的高和宽。以图片左上角为，
转载
2024-01-11 12:38:00
88阅读
吴恩达卷积神经网络章节笔记（三）——目标检测1. 目标定位 (Object Localization)1.1 基本概念1.2 标签定义1.3 损失函数2. 特征点检测 (Landmark Detection)3. 目标检测 (Object Detection)4. 滑动窗口的卷积实现 (Convolutional Implementation of Sliding Window)5. Bound
转载
2024-01-25 20:07:34
53阅读
目标检测目标定位目标定位会通过输出四个参数bx by bh bw 给出图像中对象的边界框平方误差策略可以减少这八个元素预测值和实际输出结果之间差值的平方 如果y1=0，那么Y矩阵中的后7个元素都不用考虑，只需要考虑神经网络评估Y1（即Pc）的准确度特征点检测 以中间的人脸识别为例，假设脸部有64个特征点 选定特征点个数，并生成包含这些特征点的标签训练集，然后利用神经网络输出脸部关键特征点的位置 具
转载
2023-12-31 13:46:02
107阅读
卷积神经网络 — CNN 最擅长的就是图片的处理。它受到人类视觉神经系统的启发。CNN 有2大特点：能够有效的将大数据量的图片降维成小数据量能够有效的保留图片特征，符合图片处理的原则目前 CNN 已经得到了广泛的应用，比如：人脸识别、自动驾驶、美图秀秀、安防等很多领域。CNN 解决了什么问题？在 CNN 出现之前，图像对于人工智能来说是一个难题，有2个原因：图像需要处理的数据量太大，导致成本很高，
转载
2023-10-27 05:19:11
67阅读
参考文章：卫星定位系统在室内环境或高层建筑密集地区无法检测到卫星信号，无法满足人们对于定位精度的要求。Wi-Fi通信模块在移动终端上的广泛应用，使得WIFI无线定位转变成一种低成本和已于实现的技术。GET THE CODEGET THE DATASET1. 数据预处理数据集信息trainingData2.csv 结构WAP001~ WAP520无线应用协议LONGITUDE经度LATITUDE纬度
转载
2023-08-08 07:45:47
114阅读
在现阶段的自动驾驶中，定位一直是很重要的话题；最近特斯拉的开放道路自动驾驶一定程度上降低了定位的重要性，采用实时图像分析生成概率地图，这项技术还有待市场去打磨的更加成熟。在我看来作为一个自动驾驶工程师，成长的线路很清晰：Apollo系统作为基础，特斯拉的技术才是你追求的方向。每篇博客之前，喜欢加一些感悟，一者话题引入；二者抒自己所想，让技术不再
转载
2024-06-16 08:12:11
73阅读
这篇博客主要面向拥有一定机器学习经验的人，会帮助你直观理解在训练神经网络时所用到的各种不同的目标函数。 Introduction 我写这篇博客的原因主要有 3 个：其他博客中经常会解释优化算法，例如 SGD（stochastic gradient descent）及其变种，但是少有介绍神经网络中的目标函数是如何构建的。为什么回归和分类任务中的目标函数是均方误差（MSE）（译者注：式 (2)
转载
2024-03-08 22:46:47
89阅读
论文：IRMCL: Implicit Representation-based Online Global Localization论文地址：https://arxiv.org/pdf/2210.03113.pdf代码：https://github.com/PRBonn/ir-mcl作者单位：德国波恩大学摘要确定移动机器人的状态是机器人导航系统中重要的组成部分。在本文中，我们提出了一种使用2D激光
转载
2023-11-13 13:51:38
37阅读
分类：输入图片，得到相应的标签 定位：输入图片，输出相应框的信息：（x,y,w,h）对应的分别是图片的位置（左上角）以及框的大小 检测：在定位中，一般只有一个或一种对象，当在检测中可能会有多个或多种对象。 我们一般IoU（intersection of union，两目标交集占据两目标并集的百分比）来判断我们的定位的精确度，IoU越大，说明结果和目标越接近。 在定位中，采用滑动窗口（Slidi
转载
2023-11-14 03:08:51
90阅读
YOLO（You Only Look Once）是一种基于深度神经网络的对象识别和定位算法，其最大的特点是运行速度很快，可以用于实时系统。现在YOLO已经发展到v3版本，不过新版本也是在原有版本基础上不断改进演化的，所以本文先分析YOLO v1版本。输入一张图片，要求输出其中所包含的对象，以及每个对象的位置（包含该对象的矩形框）。
对象识别和定位，可以看成两个任务：
转载
2023-08-24 17:20:18
253阅读
本篇文章是论文的介绍性博客:Benchmarking Graph Neural Networks （https://arxiv.org/abs/2003.00982）的介绍性文章，有兴趣的可以下载原文阅读图0：在稀疏的2D张量上运行的GCN（顶部）和在密集的2D张量上运行的WL-GNN（底部）的标准实验。 图神经网络（GNN）如今在社会科学，知识图，化学，物理学，神经科学等的各种应用中得到广泛使用
转载
2024-01-29 02:46:41
84阅读
1、BP神经网络背景简介： BP（Error Back Propagation Network）神经网络是目前应用最为广泛和成功的神经网络之一，它于1986年由Rumelhant和McClelland提出。是一种多层网络“逆推”学习算 法。2、BP神经
转载
2023-10-12 16:30:18
70阅读
Solving Large-Scale Multiobjective Optimization Problems With Sparse Optimal Solutions via Unsupervised Neural Networks （Ye Tian , Chang Lu, Xingyi Zhang , Senior Member , IEEE, Kay Chen Tan Fellow, I
转载
2023-08-21 16:36:47
149阅读
OpenCV 第八章 目标跟踪 8.1 检测移动的目标 利用帧差异1.将第一帧设置为输入的背景，对每帧进行灰度转换和平滑滤波操作 2.将后续读取的帧计算与背景的差异，得到差分图 3.对差分图进行二值化和膨胀，然后在差分图中找轮廓cv2.getStructuringElement( ) 这个函数的第一个参数表示内核的形状，有三种形状可以选择。 矩形：MORPH_RECT; 交叉形：MORPH_CRO
转载
2024-03-27 07:56:35
257阅读
Tensorflow神经网络优化1. 损失函数（loss）1.1 均方误差1.2 交叉熵1.3 自定义损失函数2. 学习率（learning_rate）：参数每次更新的幅度3. 滑动平均（影子值）4. 正则化5. 总结 本文来自于北京大学软件与微电子学院曹健老师的课程：人工智能实践（Tensorflow笔记）整理而成，加上少量私货。 本文约定：全大写加下划线拼接的变量为模型中的超参数，需要在代码
转载
2023-11-07 14:49:21
219阅读
目标探测介绍：直接思路：回归问题利用神经网络进行目标识别，同样的目标变为坐标值直接思路：局部识别问题在很多位置尝试识别，能够完成识别的地方就是目标位置问题：怎样找到这些候选位置？ 不同scale的sliding windows？ 遍历所有位置 候选区域产生 更
转载
2023-12-05 09:06:24
73阅读
前言前段时间学习完OpenCV的基础部分后，做了简单的二维码识别与条形码识别，最近做了一下这个车牌识别系统，本来是OpenCv还没有学到机器学习的位置，但是结合之前参加数学建模的时候对神经网络的了解，做了这个车牌字符的训练与识别。目录：目录前言目录：处理步骤1 图像预处理与车牌定位1.1 灰度处理-滤波-索贝尔求导-二值化1.2 开操作-去除小的对象1.3 闭操作-填充小的孔，使车牌特征连在一起1
转载
2023-12-28 05:51:51
109阅读
神经网络与误差反向传播算法神经网络人工神经元激活函数前馈神经网络目标函数梯度的反向传播梯度下降的方法 神经网络模拟了大脑的结构，利用大量神经元按照一定的体系架构连接成网状的结构。简单地讲就是通过神经网络在输入和输出之间建立联系。人工神经元 接受前一层传来的数据，并将这些数据的加权和输入非线性作用函数中，最后将非线性作用函数的输出结果传递给后一层。输入向量 权重向量偏置标量 激活函数激活函数 非线
转载
2023-12-15 17:41:56
104阅读
