MTCNN全称 “Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks”,采用级联网络的思想将人脸检测和人脸对齐放在一起进行。总的来说,MTCNN可以分为三个子网络P-Net, R-Net和O-Net,每个网络都要做人脸分类、bounding boxes预测以及人脸关键点(landmarks)的定位,但只在O-Net输出关键点。 more >>
SSD (Single Shot MultiBox Detector) 是单阶段目标检测的主要框架之一,相比于Faster RCNN有明显的速度优势,相比于YOLO V1能够实现更高的检测精度。虽然被后面的YOLO 9000超越了,但是SSD的思想仍然值得学习。 more >>
哈希表也叫散列表,是根据关键码值对(key-value)而直接进行访问的数据结构。它通过把关键码值对映射到内存中的一个位置来存储数据,以加快查询的速度。这个映射函数也叫做散列函数(hash function),存放数组的表叫做哈希表也叫做散列表。 more >>
数组其实是一个相对来说比较简单的数据结构,数组中元素的存储有先后顺序,定义一个数组之后,会在内存中开辟一个连续的内存空间,通过内存管理器访问任意的位置其事件复杂度都为O(1)。对于Python本身而言,并没有内置的数组结构,可以是使用numpy这样的库,对于一维数组而言,通常用列表 (list)来代替。在数组中存放的数据必须是相同类型的,但是列表中则没有要求。
在对数组或者列表进行操作时,元素的插入和删除在内存中都会涉及到大量复制操作,时间复杂度较大,通常为O(n)。 more >>
决策树(Decision Tree)是一种常见的机器学习算法,以分类树为例,我们希望从数据中学习到一个模型来对新的数据进行分类,这个过程其实和人类在做决策时的时候的处理机制相似,提取事物的特征(features),按照一定的优先级判断事物的种类。
一般来说,一颗决策树包含一个根结点,若干个内部节点和若干个叶子结点,叶子节点即为决策树的分类,其它每个结点则对应一个属性测试;根结点包含样本全集,每个结点包含的样本集合根据属性测试的结果被划分到子结点中,从根结点到叶子结点的路径对应一个判定测试程序。 more >>
在编写类时,不是一定要从0开始,我们可以借助已有的类来完成工作。一个类继承另一个类时,被继承的类称为父类,继承的类称为子类,子类具有父类所有的属性和方法,并还能定义自己的属性和方法。
这里,我们继续沿用之前的Car()例子,定义一个ElectricCar()的新类,并继承Car()类的属性和方法。这样和我们事情情况相符,电动车具有普通汽车的大部分属性和功能,并且具有电动车独有的属性。
more >>
一个类只提供定义一种对象的结构,如用class Dog()来记录小狗。我们都知道每个狗狗都有姓名和年龄,这是所有狗的通用属性。小狗还能蹲下和打滚,这种行为每个狗狗都会,在类的定义中称为方法。 这两项信息属于定义小狗实例所必须的,但是实际上在Dog()中不会包含任何特定的小狗。
python中的类设定了定义一个对象所需要的属性和方法,实例是指具有实际值的类的副本,例如Dog()中的一只具体的小狗,例如Tom,3岁,表示有一只3岁的小狗叫Tom。
可以把类比做一个表格,这个表格设定了所有要记录的东西,每记录一个/组数据就是一个实例。
more >>
缺失模块。
1、请确保node版本大于6.2
2、在博客根目录(注意不是yilia-plus根目录)执行以下命令:
npm i hexo-generator-json-content --save
3、在根目录_config.yml里添加配置:
jsonContent: meta: false pages: false posts: title: true date: true path: true text: false raw: false content: false slug: false updated: false comments: false link: false permalink: false excerpt: false categories: false tags: true