矩陣式瀑布分類(lèi)器高效學(xué)習(xí)算法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶(hù)評(píng)論（0）
針對(duì)矩陣式瀑布分類(lèi)器學(xué)習(xí)算法在負(fù)樣本自舉過(guò)程中無(wú)法快速自舉出訓(xùn)練所需的高質(zhì)量樣本，自舉過(guò)程嚴(yán)重影響整體學(xué)習(xí)效率及最終檢測(cè)器性能等問(wèn)題，提出了一種高效學(xué)習(xí)算法——負(fù)樣本信息繼承的矩陣式瀑布分類(lèi)器高效學(xué)習(xí)算法。其自舉負(fù)樣本過(guò)程為樣本繼承與層次自舉相結(jié)合，首先從訓(xùn)練上一層強(qiáng)分類(lèi)器所用的負(fù)樣本集中繼承有效負(fù)樣本，樣本集不足部分再?gòu)呢?fù)圖像集中自舉。樣本繼承壓縮了有效樣本的自舉范圍，可以快速自舉出訓(xùn)練所需樣本；并且自舉負(fù)樣時(shí)對(duì)樣本進(jìn)行預(yù)篩選，增加了樣本復(fù)雜度，提升了最終分類(lèi)器性能。實(shí)驗(yàn)結(jié)果表明：訓(xùn)練完成方面，本算法比矩陣式瀑布分類(lèi)器算法節(jié)省20h；檢測(cè)性能方面，比矩陣式瀑布型分類(lèi)器高出1個(gè)百分點(diǎn)；與其他17種人體檢測(cè)算法性能相比也有很好的性能表現(xiàn)。所提算法較矩陣式瀑布分類(lèi)器學(xué)習(xí)算法在訓(xùn)練效率及檢測(cè)性能上都有很大提升。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
矩陣式瀑布分類(lèi)器高效學(xué)習(xí)算法下載
相關(guān)電子資料下載
- 機(jī)器學(xué)習(xí)算法原理詳解 89
- 我去過(guò)的加拿大大學(xué)——AI深度學(xué)習(xí)算法誕生地 599
- OpenAI發(fā)布圖像檢測(cè)分類(lèi)器，可區(qū)分AI生成圖像與實(shí)拍照片 204
- 深入了解目標(biāo)檢測(cè)深度學(xué)習(xí)算法的技術(shù)細(xì)節(jié) 150
- 什么是NanoEdge AI Studio 1389
- 深入探討線性回歸與柏松回歸 394
- 機(jī)器學(xué)習(xí)多分類(lèi)任務(wù)深度解析 625
- 電池研發(fā)再現(xiàn)黑科技，鋰電巨頭正借此突破關(guān)鍵瓶頸！ 701
- 揭秘大語(yǔ)言模型可信能力的五個(gè)關(guān)鍵維度 240
- 國(guó)際機(jī)器人聯(lián)合會(huì)（IFR）近期發(fā)布2024全球五大機(jī)器人趨勢(shì) 875