(yolo v3)使用自己数据集k-means聚类产生的anchor效果反而变差解决方法最近在使用yolo v3训练自己的数据集时，先使用k-means聚类出自己数据集anchors，然后训练自己数据集，最后结果发现预测的效果并不好，预测框得分很低，且容易误检，而使用COCO数据集都感觉效果更好一点，这就让我很怀疑使用k-means聚类产生anchor这个方法是否有效了。而经过观察发现，原...

神经网络参数的初始化  对于神经网络中的参数，如权重和偏置，往往我们需要初始化，最常规的方法就是正态分布初始化这些参数，但是采用什么均值和方差的正态分布初始化参数却是需要仔细考虑的。  上一篇博文讲述了如何防止网络训练在最后一层出现饱和，导致参数更新缓慢的问题，就是使用了交叉熵损失函数，但是这只能对输出层有效，对于其他层却还是有可能出现这个问题。（1）未合理初始化带来的问题  假如所有参数...

《FCOS: Fully Convolutional One-Stage Object Detection》论文精讲一、背景1，提出问题2，解决办法3，FCOS优势总结二、相关工作1，基于anchor的检测器2，Anchor-free检测器三、模型介绍1，一阶段的全卷积神经网络网络的输出损失函数小结2，使用多尺度的特征金字塔（FPN）3，Center-ness for FCOS4,损失函数详解一、

深度学习中交叉熵损失函数背景，公式推导详解首先，我们来看下交叉熵损失函数的表达式：其中上面那个方程式是用于计算最后一层激活函数为softmax函数的交叉熵损失函数，下面这个是用于计算最后一层激活函数为sigmoid函数的交叉熵损失函数。下面我将从为什么使用交叉熵函数、交叉熵函数数学推导、为什么对于sigmoid和softmax两个函数的交叉熵损失函数有差别这三个方面来讲解：一、为什么使用...

纯python实现mnist手写体数字识别最近两天开始写自己学习深度学习以来第一个完全从底层不依赖其他深度学习工具的神经网络，实现mnist手写体识别，目前准确度达到进97%。网络搭建，训练全都由python实现，不依赖tensorflow，keras，pytorch等工具，为的就是能够让自己完全清楚一个神经网络搭建需要哪些步骤，每个部分是怎样设计的，以及清楚网络训练过程中前向传播，反向传播过..

本文实现了matlab对机器学习预测结果的各类评价指标的计算，PR、ROC曲线的绘制，及不同阈值情况下评价指标对比，阈值选取问题的分析。转载请注明出处，谢谢。

对于图像处理，有一个很重要内容就是图像的降噪，噪声来源有很多，比如高斯噪声，椒盐噪声和一些特定类型噪声等，对于此类问题的解决一个常规办法就是设计相应滤波器实现对图像的降噪处理，比如有均值滤波器，中值滤波器，最大最小滤波器等，对于少量椒盐噪声的处理，往往选择中值滤波器会有较好的效果，但是当椒盐噪声很大时，使用常规的中值滤波器往往会导致图像的严重失真（这点可以从例子中看出），NAFSM中值滤波器可以很

在使用matlab中，有时候需要占用的内存并没有超过电脑内存依旧会报错，提示内存不够用，可以尝试下面几种方法，总有一种情况属于你：先尝试点开matlab的主页→预设项→常规→java堆内存→将内存调到最大；（这可以增大可能的数据大小限制）如果情况1还是不行，则有可能是你长期没关电脑，很多软件占用内存且没有及时释放内存或者内存泄漏导致可供matlab使用的连续内存不够用，从而报内存不够错误，因此需要

本博文针对L0、L1、L2范数原理及在机器学习中作用进行了非常通俗易懂的解释，为博主了解相关概念后自我理解，相信对于看完本篇分析的读者来说对理解这几个范数作用将有较大帮助，阅读前，推荐可以先阅读下面这个博主写的更系统介绍，再看我这篇；对范数在机器学习中应用有所了解的可以直接看我这篇。

本文实现了matlab对机器学习预测结果的各类评价指标的计算，PR、ROC曲线的绘制，及不同阈值情况下评价指标对比，阈值选取问题的分析。转载请注明出处，谢谢。