贝叶斯优化贝叶斯优化可以解决在调参时，参数组合的盲目搜索（gridsearch）可以快速，高效的找到相对最优的参数。Sequential model-based optimization (SMBO) 是贝叶斯优化的最简形式，其算法思路如下：主要的流程如下（引用自limoumou）流程和伪代码中关键内容讲解：PF-fitmodel：找到模型分布，如果已知，则可以根据经验选择最优的模型；如果未知，则

深度学习细颗粒图像分析综述（图像识别）     计算机视觉（CV）是使用机器理解和分析图像的过程，这是人工智能的组成部分。在CV的各个研究领域中，细粒度图像分析（FGIA）是一个长期存在的基本问题，并且已在各种实际应用中无处不在。FGIA的任务旨在分析从属类别（例如，鸟类或汽车模型）中的视觉对象。细粒度性质导致的小类间差异和大的类内差异使其成为..

深度学习细颗粒图像分析综述（图像识别）     计算机视觉（CV）是使用机器理解和分析图像的过程，这是人工智能的组成部分。在CV的各个研究领域中，细粒度图像分析（FGIA）是一个长期存在的基本问题，并且已在各种实际应用中无处不在。FGIA的任务旨在分析从属类别（例如，鸟类或汽车模型）中的视觉对象。细粒度性质导致的小类间差异和大的类内差异使其成为..

贝叶斯优化贝叶斯优化可以解决在调参时，参数组合的盲目搜索（gridsearch）可以快速，高效的找到相对最优的参数。Sequential model-based optimization (SMBO) 是贝叶斯优化的最简形式，其算法思路如下：主要的流程如下（引用自limoumou）流程和伪代码中关键内容讲解：PF-fitmodel：找到模型分布，如果已知，则可以根据经验选择最优的模型；如果未知，则

RCNN，SSD， YOLO的优缺点比较及反思1. RCNNFast-RCNNFaster-RCNNFaster-RCNN 系列的反思2. YOLOYOLO V1YOLO V2YOLO V3YOLO系列的反思3. SSD1. RCNNrcnn对于原有的目标检测算法提升50% 在VGG-16网络模型下，voc2007数据集上准确率为66%，但是速度很慢，内存占用量大，主要原因为候选框由速度较慢的..

根据MIT的 Learning Deep Features for Discriminative Localization论文中的描述，在使用类响应图class activation mapping (CAM) 对比全局平均池化Global average pooling (GAP) vs 全局最大池化global max pooling (GMP):类响应图示例：...

语义分割技术综述本文就Image Segmentation Using Deep Learning: A Survey第三章的模型进行了分析和介绍，第一第二章的基础指示可以看原文进行学习，相关知识有很多这里就不班门弄斧了。最好是一边读原文一边看本文效果更佳原文连接能力有限，水平一般，抱着学习的态度分享此文，有不准确的地方还请各位大佬斧正！3.1 全连接网络关于FCN的资料有很多这里就不...