论文：《Stitcher: Feedback-driven Data Provider for Object Detection》论文地址：https://arxiv.org/pdf/2004.12432.pdf原文链接：https://blog.csdn.net/weixin_42096202/article/details/1058505731、摘要目标检测器通常会根据尺寸具有不同质量，其中小

论文：《Bottom-up Object Detection by Grouping Extreme and Center Points》 CVPR2019论文地址：https://arxiv.org/pdf/1901.08043.pdf代码：https://github.com/xingyizhou/ExtremeNet原文链接：https://blog.csdn.net/chunf...

论文：《DSSD:Deconvolutional Single Shot Detector》论文地址：https://arxiv.org/abs/1701.066591、背景SSD算法在检测小目标时精度并不高，本文是在在SSD的基础上做出一些改进，引入卷积层，能综合上下文信息，提高模型性能。DSSD针对小目标鲁棒性太差，提出了以下两个贡献：1. 把SSD的基准网络从VGG换成了Re...

一、为什么特征缩放在面对多维特征问题的时，有时特征数据数据值相差过大，如在运用多变量线性回归预测房价模型中，房屋面积和卧室个数这俩个特征之间数值相差大，而要保证这些特征都具有相近的尺度，就要进行特征缩放，这能帮助梯度下降算法更快地收敛。如图：直接求解的缺点：1、当x1 特征对应权重会比x2 对应的权重小很多，降低模型可解释性2、梯度下降时，最终解被某个特征所主导，会影响模型精度与收...

原文链接：机器学习总结(一)：线性回归、岭回归、Lasso回归1、线性回归Scikit-Learn学习笔记——线性回归（基函数回归、岭回归正则化、Lasso正则化）【机器学习】一文读懂正则化与LASSO回归，Ridge回归1.1、线性回归一般形式1.2、线性回归可能遇到的问题求解损失函数的最小值有两种方法：梯度下降法以及正规方程。特征缩放：即对特征数据进行归一...

论文:《EfficientDet: Scalable and Efficient Object Detection》论文地址：https://arxiv.org/pdf/1911.09070.pdf开源项目：https://github.com/xuannianz/EfficientDet原文参考：https://www.cnblogs.com/mlj318/p/11996609.ht...

论文：《FCOS: Fully Convolutional One-Stage Object Detection》 ICCV2019论文地址：https://arxiv.org/pdf/1904.01355.pdf代码：https://github.com/tianzhi0549/FCOS/https://github.com/shanglianlm0525/PyTorch-Networkshtt

从给定的房屋基本信息以及房屋销售信息等，建立一个回归模型预测房屋的销售价格。1、数据数据说明如下：数据主要包括2014年5月至2015年5月美国King County的房屋销售价格以及房屋的基本信息。数据分为训练数据和测试数据，分别保存在kc_train.csv和kc_test.csv两个文件中。训练数据（kc_train.csv）主要包括10000条记录，14个字段，主要字段...

逻辑回归的主要用途有预测（如预测用户购买意向）、判别（如判别某人是否会患胃癌）等。今天使用逻辑回归做了个购买意向的预测。数据集如下（共400条数据，4个特征，这里我们不使用ID和性别，只使用年龄和收入两个特征）：具体实现代码如下：import pandas as pdfrom sklearn.model_selection import train_test_spli...

一.SkelarnKNN参数概述要使用sklearnKNN算法进行分类，我们需要先了解sklearnKNN算法的一些基本参数。def KNeighborsClassifier(n_neighbors = 5,weights='uniform',algorithm = '',...