人工智能：机器模拟人的意识和思维。消费级人工智能产品：机器学习：是一种统计学习方法，计算机利用已有数据，得出某种模型，再利用此模型预测结果，是人工智能的子集。随着经验的增加，效果会变好。深度学习：（深层神经网络）是深层次神经网络，是机器学习的一种实现方法，是机器学习的子集。机器学习的应用：1、对连续数据的预测2、对离散数据分类例如：卖房，输入平米数，输出价格。判断肿瘤的良性恶性...

线条、颜色等参数：1.简单的2维直线图 : plot(x,y)同一坐标显示n条线：plot(x,y1,x,y2，…)x = 0:pi/10:2*pi;y = sin(x);figure;hold on;plot(x,y)2.plot(X):X是矩阵，表示矩阵的每一行都画一条线，将显示n条线。X=rand(3,3); %随机生成3*3矩阵figure;hold on;p...

https://blog.csdn.net/chaipp0607/article/details/79036312

训练集（train set）—— 用于模型拟合的数据样本。在训练过程中对训练误差进行梯度下降，进行学习，可训练的权重参数。验证集（validation set）—— 是模型训练过程中单独留出的样本集，它可以用于调整模型的超参数和用于对模型的能力进行初步评估。测试集—— 用来评估模最终模型的泛化能力。但不能作为调参、选择特征等算法相关的选择的依据。验证集可以用在训练的过程中，一般在训练时...

感受野部分参考：https://www.jianshu.com/p/9997c6f5c01e神经网络中感受野：神经网络每一层输出的特征图上的像素点在原始图像上映射区域的大小。原始图像是指网络输入图像，是经过预处理后的图像。如图：7×7的原始图像，第一次卷积Conv1的卷积核大小3，步长2；第二次卷积Conv2的卷积核大小为2，步长是1。经过二次卷积后，图像变小，输出的特征图...

首先可以把anchor理解为：多尺度滑动窗口。传统的检测过程是：1、生成图像金字塔，因为待检测的物体的scale是变化的。2、用滑动窗口在图片的特征金字塔上面滚动生成很多候选区域。3、各种特征提取hog和分类器svm来对上面产生的候选区域中的图片信息来分类。4、NMS非极大值抑制得到最后的结果。但由于cnn具有强大的提取特征的能力，可以替代第三步，但第一第二步独立于cnn之...

题目：（1）将正整数n表示成一系列正整数之和：n=n1+n2+…+nk，其中n1≥n2≥…≥nk≥1，k≥1，则n的这种表示称为正整数n的划分。（2）求正整数n的不同划分个数？（3）例如正整数6有如下11种不同的划分：6；5+1；4+2，4+1+1；3+3，3+2+1，3+1+1+1；2+2+2，2+2+1+1，2+1+1+1+1；1+1+1+1+1+1。在本例中，如果设p(n...

**均值滤波：**在图像上对目标像素给一个模板，该模板包括了其周围的临近像素，再用模板中的全体像素的平均值来代替原来像素值。缺点：均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。matlab自带函数：H = fspecial('average',hsize)%为均值滤波，参数为hsize代...

过拟合和欠拟合的解释欠拟合是指模型在训练集、验证集和测试集上均表现不佳的情况；过拟合是指模型在训练集上表现很好，到了验证和测试阶段就很差，即模型的泛化能力很差。过拟合和欠拟合产生的原因：欠拟合(underfitting)：模型复杂度过低特征量过少过拟合(overfitting)：建模样本选取有误，如样本数量太少，选样方法错误，样本标签错误等，导致选取的样本数据不足以代表预定的分类规则样本噪音干扰过

**均值滤波：**在图像上对目标像素给一个模板，该模板包括了其周围的临近像素，再用模板中的全体像素的平均值来代替原来像素值。缺点：均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。matlab自带函数：H = fspecial('average',hsize)%为均值滤波，参数为hsize代...