腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

半杯茶的小酒杯

专栏作者

117

文章

122864

阅读量

38

订阅数

Deep Learning中的排列不变性和等变性

机器学习函数集合论文网络

Permutation Invariance是排列不变性，是指函数的输出与输入元素的顺序无关。

2023-09-01

6360

自动驾驶运动预测-Uber LaneGCN模型

数据结构 node.js 机器学习神经网络深度学习

Motion Forecasting的目标是根据车辆的Past States预测Future Trajectories。

2022-04-28

9390

Object Detection-Mask RCNN

机器学习神经网络深度学习人工智能 https

Mask RCNN是实现物体实例分割(Object Instance Segmentation)的通用框架。它在Faster RCNN的基础上增加了一个预测物体Mask的分支，所以Mask RCNN不仅可以预测输入图像物体的Class、Bounding Box，而且还可以生成每个物体的Mask。

2022-04-28

7480

CNN模型-ResNet、MobileNet、DenseNet、ShuffleNet、EfficientNet

kernel 机器学习神经网络深度学习人工智能

下图为我们了展示了2018前常用CNN模型大小与Accuracy的比较，网络上不乏介绍CNN演进的文章[LeNet/AlexNet/Vgg/ Inception/ResNet]，写的也都很好，今天我们为各位读者介绍几个最新的CNN模型，如何搭建以及他们的优势在哪里。

2022-04-28

1.5K0

Object Detection-深入理解YOLO v1

图像识别神经网络深度学习人工智能机器学习

You Only Look Once: Unified, Real-Time Object Detection

2022-04-28

5320

深度卷积生成对抗网络(DCGAN)

机器学习神经网络深度学习人工智能 tensorflow

GAN的基本原理其实非常简单，它包含两个网络，G网络(Generator)和D网络(Discriminator)。G网络的目标是尽量生成真实的图片去欺骗判别网络D，D网络的目标是尽量把G网络生成的图片和真实的图片分别开来。

2022-04-28

1.1K0

深度学习中的反卷积(Transposed Convolution)

linux tensorflow kernel 机器学习神经网络

反卷积(Transposed Convolution)是一种图像上采样(UpSample)的方法，在DCGAN中用它来将随机采样的值转换为一张完整的图像。

2022-04-28

1.6K0

RNN预测行人运动轨迹

机器学习神经网络深度学习人工智能

数据集来源自[1]，每个数据目录包含一个pixel_pos.csv文件，它的文件格式如下:

2022-04-28

2.7K0

动图详解LSTM和GRU

深度学习机器学习人工智能神经网络

反向传播(Back Propagation)是一种与最优化方法(比如梯度下降方法)结合、用来训练人工神经网络的常见方法。该方法对网络中所有权重计算损失函数的梯度，然后将梯度反馈给最优化方法，用来更新网络权重以最小化损失函数。

2022-04-28

8370

深度学习(Deep Learning)入坑笔记

anaconda https 网络安全 python 机器学习

深度学习(Deep Learning)第一坑就是机器学习平台的选取和开发环境的安装，以下是重装两次系统后的安装经验。

2022-04-28

4460

Improving Deep Neural Networks-Dataset、Bias&Variance

机器学习神经网络深度学习人工智能腾讯云测试服务

在机器学习中，我们通常将数据集分为:Training Set、Dev Set、Test Set。

2022-04-28

2330

自动驾驶运动预测(Motion Prediction)

自动驾驶无人驾驶 javascript 机器学习深度学习

运动预测(Motion Prediction)模块主要解决自动驾驶车辆与周围环境中的其它运动物体(车辆、行人等)的协同交互问题。该模块对感知模块所检测到的运动物体进行未来一段时间内行为意图的预测，并将预测的结果转化为时间维度和空间维度的轨迹。以这些障碍车、行人、非机动车等运动物体的预测轨迹作为输入，自动驾驶车辆可以做出更加合理的驾驶决策，规划出更加合理、安全的车辆运动行为。

2022-04-28

1.2K0

Waymo-自动驾驶长尾问题挑战(2019)

机器学习神经网络深度学习人工智能自动驾驶

场景一：一个骑自行车的人手中拿着一个Stop Sign标识牌。我们不知道它何时会举起标识牌。无人车必须理解这种场景，即使他举起了Stop Sign标识牌，自动驾驶汽车也不应该停下来。

2022-04-28

1K0

自动驾驶地图构建(Mapping)-占位栅格图(Occupancy Grid Map)

网站机器学习神经网络深度学习人工智能

前面文章《自动驾驶运动规划(Motion Planning)》中提到可以使用占位图(Occupancy Grid Map)表示自动驾驶行驶区域的哪些区域被障碍物(如静止的车辆、路中间的石墩子、树木、路肩等)占用，Motion Planning模块会通过查询占位地图避开这些道路障碍物，避免与它们碰撞，从而达到安全驾驶的目的。

2022-04-28

2.9K0

自动驾驶定位算法(十四)-递归贝叶斯滤波

机器人自动驾驶无人驾驶机器学习神经网络

今天讨论自动驾驶汽车中高精定位相关的基础原理之一，同时也是机器人技术中的基础算法-贝叶斯滤波器(Bayes Filter)。

2022-04-28

7560

Real-Time Object Detection-YOLO V1学习笔记

图像识别神经网络深度学习人工智能机器学习

YOLO之前的Object Detection方法主要是通过Region Proposal产生大量的Bounding Box，再用Classifier判断每个Bounding Box是否包含Object，以及Object所属类别的Probability。

2022-04-28

4690

目标检测-Training with Online Hard Example Mining

图像识别机器学习神经网络深度学习人工智能

图像分类和目标检测是计算视觉领域的两个基础任务，Region-based ConvNet将目标检测问题转化为图像分类问题，使得目标检测领域出现了巨大的技术突破，同时也引入了难以处理的heuristics和hyperparameters问题。OHEM(Online Hard Example Mining)算法的思想很简单：在训练数据集中往往存在大量的简单样本(easy examples)和少量的困难样本(hard examples)，easy examples对于模型的训练贡献较小，hard examples更加有助于提升模型训练的效率和效果，OHEM算法将hard examples自动化的筛选出来运用到模型训练中去，从而获得较好的模型效果。

2022-04-28

3500

目标检测(Object Detection)-Faster RCNN中的ROI Pooling Layer

机器学习神经网络深度学习人工智能 jquery

ROI(Region Of Interest)是从目标图像中识别出的候选识别区域。在Faster RCNN中，候选识别区域(ROIs)是把从RPN(Region Proposal Network)产生的候选识别框映射到Feature Map上得到的。 ROI Pooling的作用就是把大小形状各不相同的候选识别区域归一化为固定尺寸的目标识别区域。

2022-04-28

9030

Faster RCNN中的RPN

机器学习神经网络深度学习人工智能日志服务

Faster R-CNN最突出的贡献在于提出Region Proposal Network(RPN)替换了选择性搜索(Selective Search)，在保证对象检测的准确率的条件下，将检测时间降低了10倍左右，实现了实时的对象检测。

2022-04-28

3520

目标检测(Object Detection)的评估指标mAP

图像识别机器学习神经网络深度学习人工智能

官方公布的Fast R-CNN在COCO test-dev数据集上的mAP@.5为35.9%，mAP@[.5,.95]为19.7；

2022-04-28

9860

点击加载更多

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态