1. ohem + faster rcnn 和 resnet faser rcnn 的優點是什麼？
首先篩選出那些對結果（分類和檢測）影響比較大的樣本，然後將這些篩選得到的樣本在隨機梯度下降中訓練。
實際的操作是利用兩個roi網路，乙個用於向前傳播，用於計算損失，另外乙個是可以向前和向後傳播，以收集到的hard example作為輸入，計算損失並且回傳梯度。
作者將該演算法應用在fast rcnn中，網路結構還是採用vgg16和vgg_cnn_m_1024，資料集主要採用voc2007，voc2012和coco資料集。
隨著資料集的增大，演算法的提公升更加明顯（作者是通過在coco資料集上做實驗和voc資料集做對比，因為前者的資料集更大，而且提公升更明顯，所以有這個結論）。
機器學習崗位面試問題彙總 之 深度學習
自己結合網路內容總結，歡迎指正歡迎補充。最新更新 20170624 版本2 增加22 28 1.模式識別 機器學習 深度學習的區別與聯絡 模式識別 過去 程式 機器做智慧型的事 決策樹等 機器學習 熱點領域 給資料 學習資料 深度學習 前言領域 強調模型 2.早年神經網路被淘汰的原因 耗時 區域性最...
機器學習面試問題1
監督 輸入的資料有明確的標識，可建立模型做 多用於分類和回歸。非監督 資料並不被特別標識，需要建立模型得出資料的內在結構，多用於聚類。l1範數 l1 norm 是指向量中各個元素絕對值之和，也有個美稱叫 稀疏規則運算元 lasso regularization 比如 向量a 1，1，3 那麼a的l1...
機器學習面試問題2
logistic 邏輯回歸 是一種廣義線性回歸分析模型，是一種分類演算法。通過函式l將w x b對應乙個隱狀態p，p l w x b 然後根據p 與1 p的大小決定因變數的值。l是logistic函式.該模型是典型的數學模型，它服從邏輯斯蒂分布。二項邏輯斯蒂回歸模型是如下的條件概率分布 在這裡，x是...