YOLO的核心思想及YOLO的实现细节

2018-06-05 09:12 次阅读

YOLOv1

这是继 RCNN,fast-RCNN 和 faster-RCNN之后,Ross Girshick 针对 DL 目标检测速度问题提出的另外一种框架。YOLO V1 其增强版本在 GPU 上能跑45fps,简化版本155fps。

论文下载:

http://arxiv.org/abs/1506.02640

代码下载:

https://github.com/pjreddie/darknet 

1. YOLO 的核心思想

YOLO 的核心思想就是利用整张图作为网络的输入,直接在输出层回归 bounding box(边界框) 的位置及其所属的类别。

faster-RCNN 中也直接用整张图作为输入,但是 faster-RCNN 整体还是采用了RCNN 那种 proposal+classifier 的思想,只不过是将提取 proposal 的步骤放在 CNN 中实现了,而 YOLO 则采用直接回归的思路。

2.YOLO 的实现方法

将一幅图像分成 SxS 个网格(grid cell),如果某个 object 的中心落在这个网格中,则这个网格就负责预测这个 object。 

每个网格要预测 B 个 bounding box,每个 bounding box 除了要回归自身的位置之外,还要附带预测一个 confidence 值。 

这个 confidence 代表了所预测的 box 中含有 object 的置信度和这个 box 预测的有多准这两重信息,其值是这样计算的:  

其中如果有 object 落在一个 grid cell 里,第一项取 1,否则取 0。 第二项是预测的 bounding box 和实际的 groundtruth 之间的 IoU 值。

每个 bounding box 要预测 (x, y, w, h) 和 confidence 共5个值,每个网格还要预测一个类别信息,记为 C 类。则 SxS个 网格,每个网格要预测 B 个 bounding box 还要预测 C 个 categories。输出就是 S x S x (5*B+C) 的一个 tensor。

注意:class 信息是针对每个网格的,confidence 信息是针对每个 bounding box 的。

举例说明: 在 PASCAL VOC 中,图像输入为 448x448,取 S=7,B=2,一共有20 个类别(C=20),则输出就是 7x7x30 的一个 tensor。

整个网络结构如下图所示: 

在 test 的时候,每个网格预测的 class 信息和 bounding box 预测的 confidence信息相乘,就得到每个 bounding box 的 class-specific confidence score:

等式左边第一项就是每个网格预测的类别信息,第二、三项就是每个 bounding box 预测的 confidence。这个乘积即 encode 了预测的 box 属于某一类的概率,也有该 box 准确度的信息。

得到每个 box 的 class-specific confidence score 以后,设置阈值,滤掉得分低的 boxes,对保留的 boxes 进行 NMS 处理,就得到最终的检测结果。

注:

*由于输出层为全连接层,因此在检测时,YOLO 训练模型只支持与训练图像相同的输入分辨率。

*虽然每个格子可以预测 B 个 bounding box,但是最终只选择只选择 IOU 最高的 bounding box 作为物体检测输出,即每个格子最多只预测出一个物体。当物体占画面比例较小,如图像中包含畜群或鸟群时,每个格子包含多个物体,但却只能检测出其中一个。这是 YOLO 方法的一个缺陷。

3.YOLO 的实现细节

每个 grid 有 30 维,这 30 维中,8 维是回归 box 的坐标,2 维是 box的 confidence,还有 20 维是类别。 

其中坐标的 x, y 用对应网格的 offset 归一化到 0-1 之间,w, h 用图像的 width 和 height 归一化到 0-1 之间。

在实现中,最主要的就是怎么设计损失函数,让这个三个方面得到很好的平衡。作者简单粗暴的全部采用了 sum-squared error loss 来做这件事。

这种做法存在以下几个问题: 

第一,8维的 localization error 和20维的 classification error 同等重要显然是不合理的; 

第二,如果一个网格中没有 object(一幅图中这种网格很多),那么就会将这些网格中的 box 的 confidence push 到 0,相比于较少的有 object 的网格,这种做法是 overpowering 的,这会导致网络不稳定甚至发散。

解决办法:

更重视8维的坐标预测,给这些损失前面赋予更大的 loss weight, 记为

在 pascal VOC 训练中取 5。

对没有 object 的 box 的 confidence loss,赋予小的 loss weight,记为

在 pascal VOC 训练中取 0.5。

有 object 的 box 的 confidence loss 和类别的 loss 的 loss weight 正常取 1。

对不同大小的 box 预测中,相比于大 box 预测偏一点,小 box 预测偏一点肯定更不能被忍受的。而 sum-square error loss 中对同样的偏移 loss 是一样。

为了缓和这个问题,作者用了一个比较取巧的办法,就是将 box 的 width 和 height 取平方根代替原本的 height 和 width。这个参考下面的图很容易理解,小box 的横轴值较小,发生偏移时,反应到y轴上相比大 box 要大。(也是个近似逼近方式)

一个网格预测多个 box,希望的是每个 box predictor 专门负责预测某个 object。具体做法就是看当前预测的 box 与 ground truth box 中哪个 IoU 大,就负责哪个。这种做法称作 box predictor 的 specialization。

最后整个的损失函数如下所示: 

这个损失函数中: 

只有当某个网格中有 object 的时候才对 classification error 进行惩罚。

只有当某个 box predictor 对某个 ground truth box 负责的时候,才会对 box 的 coordinate error 进行惩罚,而对哪个 ground truth box 负责就看其预测值和 ground truth box 的 IoU 是不是在那个 cell 的所有 box 中最大。

其他细节,例如使用激活函数使用 leak RELU,模型用 ImageNet 预训练等等,在这里就不一一赘述了。

注:

*YOLO 方法模型训练依赖于物体识别标注数据,因此,对于非常规的物体形状或比例,YOLO 的检测效果并不理想。

*YOLO 采用了多个下采样层,网络学到的物体特征并不精细,因此也会影响检测效果。

* YOLO 的损失函数中,大物体 IOU 误差和小物体 IOU 误差对网络训练中 loss 贡献值接近(虽然采用求平方根方式,但没有根本解决问题)。因此,对于小物体,小的 IOU 误差也会对网络优化过程造成很大的影响,从而降低了物体检测的定位准确性。

4.YOLO 的缺点

YOLO 对相互靠的很近的物体,还有很小的群体检测效果不好,这是因为一个网格中只预测了两个框,并且只属于一类。

同一类物体出现的新的不常见的长宽比和其他情况时,泛化能力偏弱。

由于损失函数的问题,定位误差是影响检测效果的主要原因。尤其是大小物体的处理上,还有待加强。

YOLOv2

YOLOv2:代表着目前业界最先进物体检测的水平,它的速度要快过其他检测系统(FasterR-CNN,ResNet,SSD),使用者可以在它的速度与精确度之间进行权衡。

YOLO9000:这一网络结构可以实时地检测超过 9000 种物体分类,这归功于它使用了 WordTree,通过 WordTree 来混合检测数据集与识别数据集之中的数据。

工程代码地址:

http://pjreddie.com/darknet/yolo/

▌简介

目前的检测数据集(Detection Datasets)有很多限制,分类标签的信息太少,图片的数量小于分类数据集(Classification Datasets),而且检测数据集的成本太高,使其无法当作分类数据集进行使用。而现在的分类数据集却有着大量的图片和十分丰富分类信息。

文章提出了一种新的训练方法–联合训练算法。这种算法可以把这两种的数据集混合到一起。使用一种分层的观点对物体进行分类,用巨量的分类数据集数据来扩充检测数据集,从而把两种不同的数据集混合起来。

联合训练算法的基本思路就是:同时在检测数据集和分类数据集上训练物体检测器(Object Detectors ),用监测数据集的数据学习物体的准确位置,用分类数据集的数据来增加分类的类别量、提升鲁棒性。

YOLO9000 就是使用联合训练算法训练出来的,他拥有 9000 类的分类信息,这些分类信息学习自ImageNet分类数据集,而物体位置检测则学习自 COCO 检测数据集。

代码和预训练模型地址:

http://pjreddie.com/yolo9000/

▌更准

YOLO 一代有很多缺点,作者希望改进的方向是改善 recall,提升定位的准确度,同时保持分类的准确度。 

目前计算机视觉的趋势是更大更深的网络,更好的性能表现通常依赖于训练更大的网络或者把多种模型综合到一起。但是 YOLO v2 则着力于简化网络。具体的改进见下表:

Batch Normalization

使用 Batch Normalization 对网络进行优化,让网络提高了收敛性,同时还消除了对其他形式的正则化(regularization)的依赖。通过对 YOLO 的每一个卷积层增加 Batch Normalization,最终使得 mAP 提高了 2%,同时还使模型正则化。使用 Batch Normalization 可以从模型中去掉 Dropout,而不会产生过拟合。

High resolution classifier

目前业界标准的检测方法,都要先把分类器(classifier)放在ImageNet上进行预训练。从 Alexnet 开始,大多数的分类器都运行在小于 256*256 的图片上。而现在 YOLO 从 224*224 增加到了 448*448,这就意味着网络需要适应新的输入分辨率。

为了适应新的分辨率,YOLO v2 的分类网络以 448*448 的分辨率先在 ImageNet上进行微调,微调 10 个 epochs,让网络有时间调整滤波器(filters),好让其能更好的运行在新分辨率上,还需要调优用于检测的 Resulting Network。最终通过使用高分辨率,mAP 提升了 4%。

Convolution with anchor boxes

YOLO 一代包含有全连接层,从而能直接预测 Bounding Boxes 的坐标值。  Faster R-CNN 的方法只用卷积层与 Region Proposal Network 来预测 Anchor Box 偏移值与置信度,而不是直接预测坐标值。作者发现通过预测偏移量而不是坐标值能够简化问题,让神经网络学习起来更容易。

所以最终 YOLO 去掉了全连接层,使用 Anchor Boxes 来预测 Bounding Boxes。作者去掉了网络中一个池化层,这让卷积层的输出能有更高的分辨率。收缩网络让其运行在 416*416 而不是 448*448。由于图片中的物体都倾向于出现在图片的中心位置,特别是那种比较大的物体,所以有一个单独位于物体中心的位置用于预测这些物体。YOLO 的卷积层采用 32 这个值来下采样图片,所以通过选择 416*416 用作输入尺寸最终能输出一个 13*13 的特征图。 使用 Anchor Box 会让精确度稍微下降,但用了它能让 YOLO 能预测出大于一千个框,同时 recall 达到88%,mAP 达到 69.2%。

Dimension clusters

之前 Anchor Box 的尺寸是手动选择的,所以尺寸还有优化的余地。 为了优化,在训练集的 Bounding Boxes 上跑一下 k-means聚类,来找到一个比较好的值。

如果我们用标准的欧式距离的 k-means,尺寸大的框比小框产生更多的错误。因为我们的目的是提高 IOU 分数,这依赖于 Box 的大小,所以距离度量的使用: 

通过分析实验结果(Figure 2),左图:在模型复杂性与 high recall 之间权衡之后,选择聚类分类数 K=5。右图:是聚类的中心,大多数是高瘦的 Box。

Table1 是说明用 K-means 选择 Anchor Boxes 时,当 Cluster IOU 选择值为 5 时,AVG IOU 的值是 61,这个值要比不用聚类的方法的 60.9 要高。选择值为 9 的时候,AVG IOU 更有显著提高。总之就是说明用聚类的方法是有效果的。

Direct location prediction

用 Anchor Box 的方法,会让 model 变得不稳定,尤其是在最开始的几次迭代的时候。大多数不稳定因素产生自预测 Box 的(x,y)位置的时候。按照之前 YOLO的方法,网络不会预测偏移量,而是根据 YOLO 中的网格单元的位置来预测坐标,这就让 Ground Truth 的值介于 0 到 1 之间。而为了让网络的结果能落在这一范围内,网络使用一个 Logistic Activation 来对于网络预测结果进行限制,让结果介于 0 到 1 之间。 网络在每一个网格单元中预测出 5 个 Bounding Boxes,每个 Bounding Boxes 有五个坐标值 tx,ty,tw,th,t0,他们的关系见下图(Figure3)。假设一个网格单元对于图片左上角的偏移量是 cx、cy,Bounding Boxes Prior 的宽度和高度是 pw、ph,那么预测的结果见下图右面的公式: 

因为使用了限制让数值变得参数化,也让网络更容易学习、更稳定。Dimension clusters和Direct location prediction,使 YOLO 比其他使用 Anchor Box 的版本提高了近5%。

Fine-Grained Features

YOLO 修改后的特征图大小为 13*13,这个尺寸对检测图片中尺寸大物体来说足够了,同时使用这种细粒度的特征对定位小物体的位置可能也有好处。Faster-RCNN、SSD 都使用不同尺寸的特征图来取得不同范围的分辨率,而 YOLO 采取了不同的方法,YOLO 加上了一个 Passthrough Layer 来取得之前的某个 26*26 分辨率的层的特征。这个 Passthrough layer 能够把高分辨率特征与低分辨率特征联系在一起,联系起来的方法是把相邻的特征堆积在不同的 Channel 之中,这一方法类似与 Resnet 的 Identity Mapping,从而把 26*26*512 变成 13*13*2048。YOLO 中的检测器位于扩展后(expanded )的特征图的上方,所以他能取得细粒度的特征信息,这提升了 YOLO 1% 的性能。

Multi-Scale Training

作者希望 YOLOv2 能健壮地运行于不同尺寸的图片之上,所以把这一想法用于训练模型中。 

区别于之前的补全图片的尺寸的方法,YOLOv2 每迭代几次都会改变网络参数。每 10 个 Batch,网络会随机地选择一个新的图片尺寸,由于使用了下采样参数是  32,所以不同的尺寸大小也选择为 32 的倍数 {320,352…..608},最小 320*320,最大 608*608,网络会自动改变尺寸,并继续训练的过程。

这一政策让网络在不同的输入尺寸上都能达到一个很好的预测效果,同一网络能在不同分辨率上进行检测。当输入图片尺寸比较小的时候跑的比较快,输入图片尺寸比较大的时候精度高,所以你可以在 YOLOv2 的速度和精度上进行权衡。

下图是在 voc2007 上的速度与精度

▌更快

YOLO 使用的是 GoogLeNet 架构,比 VGG-16 快,YOLO 完成一次前向过程只用 85.2 亿次运算,而 VGG-16 要 306.9 亿次,但是 YOLO 精度稍低于 VGG-16。

Draknet19

YOLO v2 基于一个新的分类模型,有点类似于 VGG。YOLO v2 使用 3*3 的 filter,每次池化之后都增加一倍 Channels 的数量。YOLO v2 使用全局平均池化,使用 Batch Normilazation 来让训练更稳定,加速收敛,使模型规范化。

最终的模型–Darknet19,有 19 个卷积层和 5 个 maxpooling 层,处理一张图片只需要 55.8 亿次运算,在 ImageNet 上达到 72.9% top-1 精确度,91.2% top-5 精确度。

Training for classification

在训练时,把整个网络在更大的448*448分辨率上Fine Turnning 10个 epoches,初始学习率设置为0.001,这种网络达到达到76.5%top-1精确度,93.3%top-5精确度。

▌更强

在训练的过程中,当网络遇到一个来自检测数据集的图片与标记信息,那么就把这些数据用完整的 YOLO v2 loss 功能反向传播这个图片。当网络遇到一个来自分类数据集的图片和分类标记信息,只用整个结构中分类部分的 loss 功能反向传播这个图片。

但是检测数据集只有粗粒度的标记信息,像“猫“、“ 狗”之类,而分类数据集的标签信息则更细粒度,更丰富。比如狗这一类就包括”哈士奇“”牛头梗“”金毛狗“等等。所以如果想同时在监测数据集与分类数据集上进行训练,那么就要用一种一致性的方法融合这些标签信息。

再者,用于分类的方法,大多是用 softmax layer 方法,softmax 意味着分类的类别之间要互相独立的。而盲目地混合数据集训练,就会出现比如:检测数据集的分类信息中”狗“这一分类,在分类数据集合中,就会有的不同种类的狗:“哈士奇”、“牛头梗”、“金毛”这些分类,这两种数据集之间的分类信息不相互独立。所以使用一种多标签的模型来混合数据集,假设一个图片可以有多个分类信息,并假定分类信息必须是相互独立的规则可以被忽略。

Hierarchical classification

WordNet 的结构是一个直接图表(directed graph),而不是树型结构。因为语言是复杂的,狗这个词既属于‘犬科’又属于‘家畜’两类,而‘犬科’和‘家畜’两类在 WordNet 中则是同义词,所以不能用树形结构。

作者希望根据 ImageNet 中包含的概念来建立一个分层树,为了建立这个分层树,首先检查 ImagenNet 中出现的名词,再在 WordNet 中找到这些名词,再找到这些名词到达他们根节点的路径(在这里设为所有的根节点为实体对象(physical object)。在 WordNet 中,大多数同义词只有一个路径,所以首先把这条路径中的词全部都加到分层树中。接着迭代地检查剩下的名词,并尽可能少的把他们添加到分层树上,添加的原则是取最短路径加入到树中。

为了计算某一结点的绝对概率,只需要对这一结点到根节点的整条路径的所有概率进行相乘。所以比如你想知道一个图片是否是 Norfolk terrier 的概率,则进行如下计算:

为了验证这一个方法,在 WordTree 上训练 Darknet19 的模型,使用 1000 类的 ImageNet 进行训练,为了建立 WordtTree 1K,把所有中间词汇加入到 WordTree 上,把标签空间从 1000 扩大到了 1369。在训练过程中,如果有一个图片的标签是“Norfolk terrier”,那么这个图片还会获得”狗“(dog)以及“哺乳动物”(mammal)等标签。总之现在一张图片是多标记的,标记之间不需要相互独立。

如 Figure5 所示,之前的 ImageNet 分类是使用一个大 softmax 进行分类。而现在,WordTree 只需要对同一概念下的同义词进行 softmax 分类。 

使用相同的训练参数,这种分层结构的Darknet19达到71.9%top-1精度和90.4% top-5 精确度,精度只有微小的下降。 

这种方法的好处:在对未知或者新的物体进行分类时,性能降低的很优雅(gracefully)。比如看到一个狗的照片,但不知道是哪种种类的狗,那么就高置信度(confidence)预测是”狗“,而其他狗的种类的同义词如”哈士奇“”牛头梗“”金毛“等这些则低置信度。

Datasets combination with wordtree

用 WordTree 把数据集合中的类别映射到分层树中的同义词上,例如上图 Figure 6,WordTree 混合 ImageNet 与 COCO。

Joint classification and detection

作者的目的是:训练一个 Extremely Large Scale 检测器。所以训练的时候使用 WordTree 混合了 COCO 检测数据集与 ImageNet 中的 Top9000 类,混合后的数据集对应的 WordTree 有 9418 个类。另一方面,由于 ImageNet 数据集太大了,作者为了平衡一下两个数据集之间的数据量,通过过采样(oversampling) COCO 数据集中的数据,使 COCO 数据集与 ImageNet 数据集之间的数据量比例达到 1:4。

YOLO9000 的训练基于 YOLO v2 的构架,但是使用 3 priors 而不是 5 来限制输出的大小。当网络遇到检测数据集中的图片时则正常地反方向传播,当遇到分类数据集图片的时候,只使用分类的 loss 功能进行反向传播。同时作者假设 IOU 最少为 0.3。最后根据这些假设进行反向传播。

使用联合训练法,YOLO9000 使用 COCO 检测数据集学习检测图片中的物体的位置,使用 ImageNet 分类数据集学习如何对大量的类别中进行分类。 

为了评估这一方法,使用 ImageNet Detection Task 对训练结果进行评估。 

评估结果: 

YOLO9000 取得 19.7 mAP。 在未学习过的 156 个分类数据上进行测试, mAP 达到 16.0。

YOLO9000 的 mAP 比 DPM 高,而且 YOLO 有更多先进的特征,YOLO9000 是用部分监督的方式在不同训练集上进行训练,同时还能检测 9000个物体类别,并保证实时运行。

虽然 YOLO9000 对动物的识别性能很好,但是对类别为“sungalsses”或者“swimming trunks”这些衣服或者装备的类别,它的识别性能不是很好,见 table 7。这跟数据集的数据组成有很大关系。

▌总结

YOLO v2 代表着目前最先进物体检测的水平,在多种监测数据集中都要快过其他检测系统,并可以在速度与精确度上进行权衡。

YOLO 9000 的网络结构允许实时地检测超过9000种物体分类,这归功于它能同时优化检测与分类功能。使用 WordTree 来混合来自不同的资源的训练数据,并使用联合优化技术同时在 ImageNet 和 COCO 数据集上进行训练,YOLO9000 进一步缩小了监测数据集与识别数据集之间的大小代沟。

YOLOv3

YOLOv3 在 Pascal Titan X 上处理 608x608 图像速度可以达到 20FPS,在 COCO test-dev 上 mAP@0.5 达到 57.9%,与RetinaNet(FocalLoss论文所提出的单阶段网络)的结果相近,并且速度快 4 倍.

YOLO v3 的模型比之前的模型复杂了不少,可以通过改变模型结构的大小来权衡速度与精度。

速度对比如下:

YOLOv3 在实现相同准确度下要显著地比其它检测方法快。时间都是在采用 M40 或 Titan X 等相同 GPU 下测量的。

简而言之,YOLOv3 的先验检测(Prior detection)系统将分类器或定位器重新用于执行检测任务。他们将模型应用于图像的多个位置和尺度。而那些评分较高的区域就可以视为检测结果。此外,相对于其它目标检测方法,我们使用了完全不同的方法。我们将一个单神经网络应用于整张图像,该网络将图像划分为不同的区域,因而预测每一块区域的边界框和概率,这些边界框会通过预测的概率加权。我们的模型相比于基于分类器的系统有一些优势。它在测试时会查看整个图像,所以它的预测利用了图像中的全局信息。与需要数千张单一目标图像的 R-CNN 不同,它通过单一网络评估进行预测。这令 YOLOv3 非常快,一般它比 R-CNN 快 1000 倍、比 Fast R-CNN 快 100 倍。

改进之处:

1.多尺度预测 (类FPN)

2.更好的基础分类网络(类ResNet)和分类器 darknet-53,见下图

3.分类器-类别预测:

YOLOv3 不使用 Softmax 对每个框进行分类,主要考虑因素有两个:

a.Softmax 使得每个框分配一个类别(得分最高的一个),而对于 Open Images这种数据集,目标可能有重叠的类别标签,因此 Softmax不适用于多标签分类。

b.Softmax 可被独立的多个 logistic 分类器替代,且准确率不会下降。

c.分类损失采用 binary cross-entropy loss.

多尺度预测

每种尺度预测 3 个 box, anchor 的设计方式仍然使用聚类,得到9个聚类中心,将其按照大小均分给 3 个尺度。

尺度1: 在基础网络之后添加一些卷积层再输出box信息。

尺度2: 从尺度1中的倒数第二层的卷积层上采样(x2)再与最后一个 16x16 大小的特征图相加,再次通过多个卷积后输出 box 信息,相比尺度1变大两倍.

尺度3: 与尺度2类似,使用了 32x32 大小的特征图

基础网络 Darknet-53

darknet-53 与 ResNet-101 或 ResNet-152 准确率接近,但速度更快,对比如下:

检测结构如下:

YOLOv3 在 mAP@0.5 及小目标 APs 上具有不错的结果,但随着 IOU的增大,性能下降,说明 YOLOv3 不能很好地与 ground truth 切合.

热门推荐

原文标题:从YOLOv1到YOLOv3,目标检测的进化之路

文章出处:【微信号:rgznai100,微信公众号:AI科技大本营】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
分享:

评论

相关推荐

卫星图像的计算机分析忽视了一些城市地区

造成这种嵌入的偏见的原因之一是,代码是由人创造的,而人们往往又是根据自己知识框架中的假设和关于社会是....

的头像 全球技术地图 发表于 06-19 14:36 153次 阅读
卫星图像的计算机分析忽视了一些城市地区

Facebook的研究可能会改变这一切,将闭眼替换为睁开的眼睛

在测试中,人们错误地将虚假的睁眼照片误认为是真实的照片,或者说他们不能确定哪些是真实的,认为这样的被....

的头像 1号机器人网 发表于 06-19 10:28 240次 阅读
Facebook的研究可能会改变这一切,将闭眼替换为睁开的眼睛

Python系统库itertools的详细资料介绍

很多人都致力于把Python代码写得更Pythonic,一来更符合规范且容易阅读,二来一般Pytho....

的头像 马哥Linux运维 发表于 06-18 17:08 97次 阅读
Python系统库itertools的详细资料介绍

神经元和函数算法之间的关系(干货)

人工神经网络里的神经元是什么,有什么用。作为AI入门小白,参考了一些文章,想记点笔记加深印象,发出来....

的头像 电子发烧友网工程师 发表于 06-17 22:31 300次 阅读
神经元和函数算法之间的关系(干货)

卡博菲推出了另一种创新的安装方式:整合配线架安装

常见的网格式桥架的安装方式有吊装、墙装、地板下安装、机柜直接安装等等,但这次在中石油数据中心的项目中....

的头像 工控培训 发表于 06-15 15:29 2550次 阅读
卡博菲推出了另一种创新的安装方式:整合配线架安装

使用tvp7002输出422图像颜色转换后出现半透明色带的原因是什么?怎么去调试?

发表于 06-15 06:34 275次 阅读
使用tvp7002输出422图像颜色转换后出现半透明色带的原因是什么?怎么去调试?

机器学习经典损失函数比较

所有的机器学习算法都或多或少的依赖于对目标函数最大化或者最小化的过程。我们常常将最小化的函数称为损失....

的头像 将门创投 发表于 06-13 17:53 408次 阅读
机器学习经典损失函数比较

推导正弦波正弦量、平均值、有效值基本公式

即:u=F(t)=sin(£),£与t存在关系,£的单位是角度,t的单位是秒。sin只能对“角度”,....

的头像 EDN电子技术设计 发表于 06-11 08:33 441次 阅读
推导正弦波正弦量、平均值、有效值基本公式

MATLAB的详细中文教学资料概述免费下载

MATLAB(MATrix LABoratory)自 20 世纪 80 年代初问世以来,历经 30 ....

发表于 06-11 08:00 55次 阅读
MATLAB的详细中文教学资料概述免费下载

C语言模块化程序设计需理解概念

等类似问题。面对这些问题,我们只能发出由衷的感慨:世界上还有很多有意义的事情等着我们去消化摄入的食物....

的头像 嵌入式ARM 发表于 06-08 14:49 385次 阅读
C语言模块化程序设计需理解概念

一种基于区域生长法与水平集相融合的肺部CT图像的分割

本文应用比较受欢迎的OSTU算法选取阈值。基本原理是:利用阈值把直方图分为两部分,当被分成的两部分方....

的头像 电子技术应用ChinaAET 发表于 06-08 09:08 625次 阅读
一种基于区域生长法与水平集相融合的肺部CT图像的分割

基于尺度-时间网格的视频中物体检测算法,解决如何优化和平衡视频物体检测中精度和速度的难题

关键帧的选取对最终的检测速度和准确率有着重要的影响。最简单直接的方法就是在时间轴上均匀地选取关键帧,....

的头像 商汤科技 发表于 06-07 17:48 524次 阅读
基于尺度-时间网格的视频中物体检测算法,解决如何优化和平衡视频物体检测中精度和速度的难题

pade逼近方法的介绍与泰勒级数展开式相匹配的详细资料概述

Pade逼近是一种关于函数值的特殊类型的有理分式逼近法。它的思想是以尽量快的速度与泰勒级数展开式相匹....

发表于 06-06 08:00 31次 阅读
pade逼近方法的介绍与泰勒级数展开式相匹配的详细资料概述

一种金字塔注意力网络,用于处理图像语义分割问题

基于以上观察,我们提出了特征金字塔注意力模块 (FPA),该模块能够融合来自 U 型网络 (如特征金....

的头像 电子发烧友网工程师 发表于 06-05 09:21 495次 阅读
一种金字塔注意力网络,用于处理图像语义分割问题

高并发性能调试一些经验和工具分享

联想到夜间有很多的网络硬件调整及故障,我猜测这些core dump可能跟网络质量相关。**特别是网络....

的头像 C语言专家集中营 发表于 06-04 17:06 2937次 阅读
高并发性能调试一些经验和工具分享

基于单目图像的深度估计算法,大幅度提升基于单目图像深度估计的精度

双目匹配需要把左图像素和右图中其对应像素进行匹配,再由匹配的像素差算出左图像素对应的深度,而之前的单....

的头像 商汤科技 发表于 06-04 15:46 934次 阅读
基于单目图像的深度估计算法,大幅度提升基于单目图像深度估计的精度

掌握logistic regression模型,有必要先了解线性回归模型和梯度下降法

先回想一下线性回归,线性回归模型帮助我们用最简单的线性方程实现了对数据的拟合,然而,这只能完成回归任....

的头像 人工智能爱好者社区 发表于 06-04 11:31 367次 阅读
掌握logistic regression模型,有必要先了解线性回归模型和梯度下降法

C语言函数手册详细资料大全(免费下载)

C语言函数手册详细资料大全(免费下载) 包括了各种C语言函数的:功能,用法,程序例

发表于 06-04 08:07 70次 阅读
C语言函数手册详细资料大全(免费下载)

请问如何使用BIOS把某个函数放到固定的地址上?

发表于 06-04 03:13 25次 阅读
请问如何使用BIOS把某个函数放到固定的地址上?

Python3函数知识大全包括定义,调用,参数,变量等详细举例说明

函数是组织好的,可重复使用的,用来实现单一,或相关联功能的代码段。函数能提高应用的模块性,和代码的重....

的头像 马哥Linux运维 发表于 06-02 10:33 576次 阅读
Python3函数知识大全包括定义,调用,参数,变量等详细举例说明

请问ZLL灯需要调用什么函数让网关可以读取到相应的 (不仅仅ON OFF状态) 状态?

发表于 06-01 12:55 119次 阅读
请问ZLL灯需要调用什么函数让网关可以读取到相应的 (不仅仅ON OFF状态) 状态?

如实使用网格图(trellis chart)来构建可视化作品?

就快成功了。现在需要做的就是将这些值分开,以便它们不像上面的图表那样分组。这里可以使用 '%' 符号....

的头像 Tableau社区 发表于 06-01 11:41 795次 阅读
如实使用网格图(trellis chart)来构建可视化作品?

关于void nwk_Status( uint16 statusCode, uint16 statusValue )函数使用的情况,请问是在哪里使用的?有什么作用?

发表于 06-01 09:16 108次 阅读
关于void nwk_Status( uint16 statusCode, uint16 statusValue )函数使用的情况,请问是在哪里使用的?有什么作用?

LaBVIEW中簇函数应用的按名称捆绑与解捆绑簇函数详细概述

本文的主要内容详细介绍了LaBVIEW中簇函数应用:按名称捆绑与解捆绑簇函数,分析了用法的区别的概述

发表于 06-01 08:08 56次 阅读
LaBVIEW中簇函数应用的按名称捆绑与解捆绑簇函数详细概述

InSCOPE团队成功地通过集成传感、照明和触觉反馈设计出一款交互媒介面板

结合功能优势和创新的应用潜力,印刷电子技术还可以降低大面积解决方案下的制造成本和材料需求。为通力公司....

的头像 CINNO 发表于 05-31 09:40 1465次 阅读
InSCOPE团队成功地通过集成传感、照明和触觉反馈设计出一款交互媒介面板

基于尺度迭代深度神经网络的图像去模糊算法

尽管使用神经网络进行图片去模糊并不是一个新想法,但腾讯优图实验室别出心裁的将物理直觉结合进来以促进模....

的头像 新智元 发表于 05-30 17:28 636次 阅读
基于尺度迭代深度神经网络的图像去模糊算法

简要回顾视频理解方面的近年进展,并对未来可能的研究方向作一展望

Ng等人先提取每一帧的深度卷积特征,再设计特征融合方法得到最终输出。其中,紫色代表沿时间方向进行最大....

的头像 新智元 发表于 05-29 18:19 916次 阅读
简要回顾视频理解方面的近年进展,并对未来可能的研究方向作一展望

如何使用语义分割概率图作为语义先验来约束超分辨率的解空间

本文提出的空间特征调制层受到条件BN层的启发,但是条件BN层以及其他的特征调制层(比如FiLM),往....

的头像 商汤科技 发表于 05-28 16:28 605次 阅读
如何使用语义分割概率图作为语义先验来约束超分辨率的解空间

一种新颖的基于强化学习的图像复原算法—RL-Restore

至此,RL-Restore算法已经拥有了较好的工具选取策略,还需要解决对“中间结果”进行复原的挑战。....

的头像 商汤科技 发表于 05-26 11:07 896次 阅读
一种新颖的基于强化学习的图像复原算法—RL-Restore

几招教你编写高效简洁的C语言代码

实现高效的C 语言编写的第三招--使用位操作,减少除法和取模的运算。在计算机程序中,数据的位是可以操....

的头像 EDN电子技术设计 发表于 05-26 09:08 1105次 阅读
几招教你编写高效简洁的C语言代码

将自注意力机制引入GAN,革新图像合成方式

我们在ImageNet数据集上进行了大量的实验,以验证所提出的self-attention机制和稳定....

的头像 新智元 发表于 05-25 17:17 693次 阅读
将自注意力机制引入GAN,革新图像合成方式

通达信公式教程大全(函数+指标+实例)

2018最新编辑 带书签版 查阅相档方便 最全通达信公式编写教程大全包含(函数 指标 实例)

发表于 05-22 10:22 43次 阅读
通达信公式教程大全(函数+指标+实例)

基于NumPy从头搭建神经网络,分步骤详细讲解

我们从将数据传入神经网络开始,并对输入数据逐层进行一些矩阵操作。在三个网络层的每一层上,我们将输入和....

的头像 论智 发表于 05-21 15:58 542次 阅读
基于NumPy从头搭建神经网络,分步骤详细讲解

加深小伙伴们对C语言的认识

程序中以 /*开头并且以*/结尾的部分表示程序的注释部分,注释可以添加在程序的任何位置,为了提高程序....

的头像 C语言编程学习 发表于 05-21 10:18 606次 阅读
加深小伙伴们对C语言的认识

12种用于数据分析的Pandas技巧可用来学习Python详细概述

如果你正开始学习Python,而且目标是数据分析,相信NumPy、SciPy、Pandas会是你进阶....

的头像 论智 发表于 05-19 11:40 810次 阅读
12种用于数据分析的Pandas技巧可用来学习Python详细概述

图像噪声的成因分类与常见图像去噪算法简介

偏微分方程是近年来兴起的一种图像处理方法,主要针对低层图像处理并取得了很好的效果。偏微分方程具有各向....

的头像 Imagination Tech 发表于 05-18 15:31 3468次 阅读
图像噪声的成因分类与常见图像去噪算法简介

如何写一个简短(200行)的Python脚本

get_face_mask()的定义是为一张图像和一个标记矩阵生成一个遮罩,它画出了两个白色的凸多边....

的头像 悟空智能科技 发表于 05-18 09:37 317次 阅读
如何写一个简短(200行)的Python脚本

在PyODPS DataFrame自定义函数中使用pandas、scipy和scikit-learn

发表于 05-17 19:48 291次 阅读
在PyODPS DataFrame自定义函数中使用pandas、scipy和scikit-learn

13种神经网络激活函数

ReLU(Rectified Linear Unit,修正线性单元)训练速度比tanh快6倍。当输入....

的头像 论智 发表于 05-16 11:18 677次 阅读
13种神经网络激活函数

一种新的GAN(对抗网络生成)训练方法

一方面,如果判别网络能力太差,胡乱分辨真假,甚至把真的误认为假的,假的误认为真的,那生成网络就会很不....

的头像 论智 发表于 05-15 18:22 1283次 阅读
一种新的GAN(对抗网络生成)训练方法

一个把爬虫下载器和解析器联合在一起的库

我们只需要用pip 直接install 即可。pip install requests-html ,....

的头像 马哥Linux运维 发表于 05-13 10:56 572次 阅读
一个把爬虫下载器和解析器联合在一起的库

C语言包括哪些东西?哪些部分重要,哪些部分需要着重理解?

函数的话我感觉就是main函数的一个延伸,但它是可重复调用的,你可以把一些繁杂的步骤写到一个函数里面....

的头像 21ic电子网 发表于 05-11 09:10 1266次 阅读
C语言包括哪些东西?哪些部分重要,哪些部分需要着重理解?

以人为主体目标的图像理解与编辑任务

总而言之,GAN由最开始的随机噪声生成图片,逐渐在众多领域得到发展。有研究者使用GAN研究半监督学习....

的头像 深度学习大讲堂 发表于 05-10 16:29 622次 阅读
以人为主体目标的图像理解与编辑任务

NVIDIA一种先进的深度学习方法可用于对图像进行编辑

研究人员表示,当前基于深度学习的图像修复方法成效有限,因为针对丢失像素的输出必然取决于为找出丢失像素....

的头像 英伟达NVIDIA企业解决方案 发表于 05-09 16:43 1030次 阅读
NVIDIA一种先进的深度学习方法可用于对图像进行编辑

机器学习中的代价函数与交叉熵

如果有人告诉我们一个相当不可能的事件发生了,我们收到的信息要多于我们被告知某个很可能发⽣的事件发⽣时....

的头像 人工智能爱好者社区 发表于 05-09 15:04 415次 阅读
机器学习中的代价函数与交叉熵

为什么序列的自相关函数可以体现出随机性?

前面相关函数已作说明,那么卷积又是什么呢,有那么麻烦吗? 不推荐用“反转/翻转/反褶/对称”等解释卷....

的头像 电子工程专辑 发表于 05-09 08:59 867次 阅读
为什么序列的自相关函数可以体现出随机性?

MNIST是一个简单的计算机视觉数据集

为了探索这一点,我们可以把MNIST数据点看作是在一个784维立方体中固定的一点。立方体的每个维度都....

的头像 论智 发表于 05-07 16:14 866次 阅读
MNIST是一个简单的计算机视觉数据集

简单介绍Solidity的语法

智能合约本质上是一段程序,程序是需要用编程语言来实现的。和以太坊客户端一样,智能合约也有很多语言版本....

的头像 人工智能爱好者社区 发表于 05-03 09:25 490次 阅读
简单介绍Solidity的语法

谷歌宣布开放Open Images V4数据集

对于验证和测试集,针对所有可用的正图像级标签,我们提供了所有对象实例详尽的边界框注释。所有的边界框都....

的头像 新智元 发表于 05-02 14:39 1508次 阅读
谷歌宣布开放Open Images V4数据集

一个比较有效的单片机编程思路

我曾经做过两年的单片机产品,在对单片机编程的过程中逐渐形成了一个大体固定的整体框架,也可以说是编程....

的头像 单片机精讲吴鉴鹰 发表于 04-29 21:09 597次 阅读
一个比较有效的单片机编程思路

一种可以编辑图像或重建已损坏图像的深度学习方法

为了解决这个问题,NVIDIA团队开发了一种方法,确保丢失像素的输出不依赖于为这些像素提供的输入的值....

的头像 新智元 发表于 04-26 15:19 1186次 阅读
一种可以编辑图像或重建已损坏图像的深度学习方法

arduino学习必须掌握的函数资料下载

arduino学习必须掌握的函数

发表于 04-26 10:58 85次 阅读
arduino学习必须掌握的函数资料下载

一种基于ZYNQ的Retinex实时图像去雾方法

传统Retinex算法中对图像R、G、B 3个通道分别进行处理,容易造成颜色失真,而且在硬件实....

的头像 电子技术应用ChinaAET 发表于 04-26 08:51 890次 阅读
一种基于ZYNQ的Retinex实时图像去雾方法

详解嵌入式Linux设备驱动篇module_init

linux就是这样做的,对只需要初始化运行一次的函数都加上__init属性。在kernel初始化后期....

的头像 嵌入式ARM 发表于 04-18 14:50 492次 阅读
详解嵌入式Linux设备驱动篇module_init

一种新颖、高效且易于计算的结构性度量来评估非二进制前景图

因此,AUC评价方法完全依赖于插值的结果,忽略了错误发生的位置,也没有考虑到对象的结构性度量。原因在....

的头像 新智元 发表于 04-17 15:47 456次 阅读
一种新颖、高效且易于计算的结构性度量来评估非二进制前景图

QuickBI助你成为分析师-数据建模(二)

发表于 04-09 11:00 860次 阅读
QuickBI助你成为分析师-数据建模(二)

STM32F0xx在增加IAP后APP为什么在main函数中要重映射SRAM

发表于 03-27 15:39 442次 阅读
STM32F0xx在增加IAP后APP为什么在main函数中要重映射SRAM

康佳液晶电视开机图像、声音正常,但不久之后出现无图像有声音,请问怎么处理?谢谢

发表于 03-26 17:29 466次 阅读
康佳液晶电视开机图像、声音正常,但不久之后出现无图像有声音,请问怎么处理?谢谢

怎么生成这个指数衰减函数信号?

发表于 03-25 17:07 526次 阅读
怎么生成这个指数衰减函数信号?

Matlab nlinfit 用自定义函数拟合数据 求自定义函数中多个参数

发表于 03-23 20:45 554次 阅读
Matlab nlinfit 用自定义函数拟合数据 求自定义函数中多个参数