Unet网络，用的不是特别多，16年特别火的一件事，在小目标领域做分割做的相当好，最近的升级版，现在还在用，深度学习往往是越简单的网络用起来效果越好。Unet最早发表论文是在医学领域。本质的思想解决小目标的问题，物体检测和实例分割很复杂。网络结构越简单，越适合小目标，做改性，做升级能玩的就比较多了。**编码解码。**思想和谍战片是一样的，现在用的也很广，在小目标用的很广，95%都是用Unet去做的

1 Prepare datasets其中有5000个训练样本，每个样本是20*20像素的数字的灰度图像。每个像素代表一个浮点数，表示该位置的灰度强度。20×20的像素网格被展开成一个400维的向量。在我们的数据矩阵X中，每一个样本都变成了一行，这给了我们一个5000×400矩阵X，每一行都是一个手写数字图像的训练样本,预测手写数字图像1.1 Visualizing the data 可视化数据im

1 Support Vector Machines1.1 Prepare datasetsimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as sb# 更好的可视化封装库from scipy.io import loadmatfrom sklearn import svm'''1.

1 Support Vector Machines1.1 Prepare datasetsimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as sb# 更好的可视化封装库from scipy.io import loadmatfrom sklearn import svm'''1.

Unet网络，用的不是特别多，16年特别火的一件事，在小目标领域做分割做的相当好，最近的升级版，现在还在用，深度学习往往是越简单的网络用起来效果越好。Unet最早发表论文是在医学领域。本质的思想解决小目标的问题，物体检测和实例分割很复杂。网络结构越简单，越适合小目标，做改性，做升级能玩的就比较多了。**编码解码。**思想和谍战片是一样的，现在用的也很广，在小目标用的很广，95%都是用Unet去做的