最近因為工作原因重溫了目標檢測演算法，參考了focal loss。裡邊涉及了cross entropy損失函式。這裡重溫了一下二分類的logistic回歸以及多類的softmax loss，但是對於softmax的背景知識一直不是太了解。藉著這次機會，好好地挖一下softmax，在本博文中會陸續更新挖到的相關知識點。
首先，書中(2.4)從exp family的角度出發，提出了兩種exp family的分布：
鏈結在這裡
從公式中可以看出，雙線性插值認為灰度值的變化和鄰域的長度成正比，距離某個畫素點越近，灰度值越接近某個畫素點。
bounding box regression-caffe社群
bounding box encoding and decoding in object detection
interpretable machine learning: a guide for ****** black box models explainable
coco2014的json是乙個很大的字典,主要包含以下幾個單元，『annotations』, 『images』, 『categories』。每個單元是乙個list,list的每個單元又是乙個字典，形式如下
# 'annotations'的單元
# 'images'的單元
# 'categories'的單元
def createindex(self):
# create index
print('creating index...')
anns, cats, imgs = {}, {}, {}
imgtoanns,cattoimgs = defaultdict(list),defaultdict(list)
if 'annotations' in self.dataset:
for ann in self.dataset['annotations']:
anns[ann['id']] = ann # id是某個object的id，只有1個ann
if 'images' in self.dataset:
for img in self.dataset['images']:
imgs[img['id']] = img
if 'categories' in self.dataset:
for cat in self.dataset['categories']:
cats[cat['id']] = cat
if 'annotations' in self.dataset and 'categories' in self.dataset:
for ann in self.dataset['annotations']:
print('index created!')
# create class members
self.anns = anns
self.imgtoanns = imgtoanns
self.cattoimgs = cattoimgs
self.imgs = imgs
self.cats = cats
機器學習 學習資源
1 研究資料 uci machine learning repository 鏈結點我 資料堂 不同領域會議的 cup 資料 不同領域 中獲取 網路爬取 2 工具 weka python 機器學習工具包 milk 開源的機器學習框架 apache mahout framework apache op...
機器學習資源大全
本文彙編了一些機器學習領域的框架 庫以及軟體 按程式語言排序 計算機視覺 通用機器學習通用機器學習自然語言處理 通用機器學習 資料分析 資料視覺化自然語言處理 通用機器學習 資料分析 資料視覺化自然語言處理 資料分析 資料視覺化 通用機器學習通用機器學習 自然語言處理 資料分析 資料視覺化 雜項 演...
機器學習 深度學習資源推薦
簡單來說，機器學習是人工智慧的一種，而深度學習只是機器學習的乙個分支。stephen boyd 凸優化，一些優化的理論需要先了解一下 周志華 機器學習 吳恩達 機器學習教程 書和課程可以一起看，課程會講一些小例子，更好的幫助你理解課本內容。斯坦福機器學習教程 斯坦福深度學習教程 以上，只是關於機器學...