许多从事在AI领域的学生没有适合的服务器，导致自己的模型不能跑出理想的效果。由于自己电脑配置太低或者没有服务器使用。现在不同担心了，中国移动新推出的服务器可以免费使用了，不过是使用算力豆计算的。注册之后免费送3000，大概可以使用3天左右，当然可以通过自己的账号邀请人获得算力豆，每邀一个人送1000，各位抓紧时间吧。地址：分享给你一个宝藏 AI 学习和实战平台“九天·毕昇”，注册即可免费赢取 20

文章目录模板匹配多个模板匹配模板匹配模板匹配在图像处理中经常使用，该算法主要用于寻找图像中与模板图像相同的区域。此外，也用于图像定位，通过模板匹配找到指定的位置，然后进行后续的处理。模板匹配和卷积原理很像，模板在原图像上从原点开始滑动，计算模板与（图像被模板覆盖的地方）的差别程度，这个差别程度的计算方法在opencv里有6种，然后将每次计算的结果放入一个矩阵里，作为结果输出。假如原图形是AxB大小

文章目录1、概念2、滤波2.1均值滤波2.2高斯滤波(标准正态分布)2.3中值滤波1、概念图像平滑是一种区域增强的算法，平滑算法有邻域平均法、中指滤波、边界保持类滤波等。在图像产生、传输和复制过程中，常常会因为多方面原因而被噪声干扰或出现数据丢失，降低了图像的质量（某一像素，如果它与周围像素点相比有明显的不同，则该点被噪声所感染）。这就需要对图像进行一定的增强处理以减小这些缺陷带来的影响。图像平滑

文章目录熵信息熵相对熵、KL散度交叉熵softmax熵熵，是一个物理学概念，它表示一个系统的不确定性程度，或者说是一个系统的混乱系统信息熵n:表示随机变量可能的取值(i=1,2,…n)x:表示随机变量P(x):表示随机变量x的概率函数举一个生动的小例子：班花A从5位同学里挑选男朋友，宿舍1中全是帅哥，班花B在宿舍2中只有一个是帅哥。问题来了：班花A和班花B，那个班花在选择时，大脑更乱？从对选择每个

文章目录1、介绍2、SPP显著特点3、什么是金字塔池化层参考：https://blog.csdn.net/qqliuzihan/article/details/812177661、介绍在一般的CNN结构中，在卷积层后面通常连接着全连接。而全连接层的特征数是固定的，所以在网络输入的时候，会固定输入的大小(fixed-size)。但在现实中，我们的输入的图像尺寸总是不能满足输入时要求的大小。然而通常的

文章目录DBSCAN算法原理DBSCAN算法流程DBSCAN的参数选择Scikit-learn中的DBSCAN的使用DBSCAN优缺点总结K-Means算法和Mean Shift算法都是基于距离的聚类算法，基于距离的聚类算法的聚类结果是球状的簇，当数据集中的聚类结果是非球状结构时，基于距离的聚类算法的聚类效果并不好。与基于距离的聚类算法不同的是，基于密度的聚类算法可以发现任意形状的聚类。在基于密度

文章目录一、BP算法理解二、BP算法数据模型三、误差反向传播代码实现一、BP算法理解① BP算法全称 (Error) Back Propagation 算法，中文名曰：误差反向传播算法。②该算法是干嘛的？计算梯度。更简单点，求(偏)导。对于简单的函数如下：我们使用肉眼就可以看出其导数为但是对于特别复杂的多元函数(例如下图)，计算偏导数就会非常麻烦，在高等数学(下)，我们通常是引入新的变量构造复合函

文章目录一、FCN概述二、为什么需要FCN？三、FCN原理及网络结构四、反卷积五、CNN与FCN六、上采样upsample七、跳跃结构八、训练过程九、FCN的优点和不足参考：https://www.cnblogs.com/xiaoboge/p/10502697.html一、FCN概述CNN做图像分类甚至做目标检测的效果已经被证明并广泛应用，图像语义分割本质上也可以认为是稠密的目标识别（需要预测每个

文章目录聚类概念聚类与KmeansK-Means算法步骤：优缺点K-Means++算法K-Means++算法的基本思路二分K-Means算法Mini Batch K-Means算法KMeans小结聚类概念无监督问题：没有标签聚类：相似的东西分到一组难点：如果评估，如何调参聚类算法KMeans是无监督学习的杰出代表之一。本文是记录自己过去学习KMeans算法的系统小结，将从“KMeans简介，优缺点

文章目录一、前言二、降维/升维增加非线性跨通道信息交互三、 应用实例四、卷积计算为什么卷积核都是奇数呢？一、前言卷积核（convolutional kernel）：可以看作对某个局部的加权求和；它是对应局部感知，它的原理是在观察某个物体时我们既不能观察每个像素也不能一次观察整体，而是先从局部开始认识，这就对应了卷积。卷积核的大小一般有1x1,3x3和5x5的尺寸（一般是奇数x奇数）。卷积核的个数就