第十一章 条件随机场摘要参考文献摘要参考文献

第九章 EM算法及其推广摘要9.1 EM算法的引入9.1.1 EM算法9.1.2 EM算法的导出9.1.3 EM算法在无监督学习中的应用9.2 EM算法的收敛性9.3 EM算法在高斯混合模型中的应用9.3.1 高斯混合模型9.3.2 高斯混合模型参数估计的EM算法9.4 EM算法的推广9.4.1 F函数的极大-极大算法9.4.2 GEM算法概要摘要EM算法是一种迭代算法，1977年由Dempste

目标检测综述什么是目标检测应用场景商品检测智慧交通巡检:安全生产巡检：输电通道本体及缺陷识别存在的挑战垂类细分领域算法进展传统目标检测算法深度学习的优势两阶段之RCNN：深度学习方法提取特征两阶段之Fast/Faster-RCNN两阶段之Fast/Faster-RCNNAnchor和Anchor-Based方法Anchor-Based方法Anchor-Based方法：一阶段Anchor缺点Anch

第十六章 主成分分析（PCA）摘要1 总体主成分分析1.1 基本思想1.2 总体主成分分析定义1.3 主成分的个数1.4 规范化变量的总体主成分分析2 样本主成分分析2.1 样本主成分的定义和性质摘要主成分分析（Principal component analysis, PCA）是一种常用的无监督学习方法。这一方法利用正交变换，把由线性相关变量表示的观测数据，转换为少数几个由线性无关变量表示的数据

https://tianchi.aliyun.com/competition/entrance/531872/introduction【天池赛事】零基础入门语义分割-地表建筑物识别：第一章 赛题及baseline1 赛题背景2 任务安排3 赛制说明4 赛题数据4.1 数据说明4.2 评价函数1 赛题背景本次新人赛是 Datawhale 与天池联合发起的[零基础入门系列赛事——零基础入门语义分割之地

图像分类、目标检测和图像分割是基于深度学习的计算机视觉三大核心任务。三大任务之间明显存在一种递进的层级关系，图像分类聚焦于整张图像，目标检测定位于图像具体区域，而图像分割则是细化到每一个像素。基于深度学习的图像分割具体包括语义分割、实例分割和全景分割。语义分割的目的是要给每一个像素赋予一个语义标签。语义分割在自动驾驶、场景理解、卫星遥感图像和医学影像等领域都有着广泛的应用场景。1 语义分割概述1.

数据来源

基于机器学习的车辆检测算法研究进展1 背景、意义、分类和应用1.1 问题的背景与意义1.2 目标检测分类1.3 应用2 三类基本算法2.1 帧间差分法2.2 背景减除法2.2.1 中值模型（Median Model）2.2.2 自适应背景模型改进算法4 工程应用存在的问题1 背景、意义、分类和应用1.1 问题的背景与意义序列图像的运动分析主要包括运动目标的检测、跟踪、分类及行为理解几个过程。检测是

从贝叶斯理论到马尔可夫随机场--以图像分割为例马尔可夫随机场（CRF）图像分割过程Matlab代码实现本文主要介绍马尔可夫随机场及其在图像分割中的应用。基于马尔可夫随机场（MRF）的图像分割是一种基于统计学习方法的图像分割算法，其模型参数较少，空间约束性较强，使用较广泛。马尔可夫随机场（CRF）首先了解以下马尔可夫模型，纯粹的马尔可夫模型是指一个事物的当前状态只与之前的1个状态有关，而与其他状态没

英文地址：https://machinelearningmastery.com/loss-and-loss-functions-for-training-deep-learning-neural-networks/中文地址：https://www.sohu.com/a/380362034_823210代码地址：https://github.com/sowmyay/medium/blob/maste