网上网站建设教程,郑州正规网站设计价格,个人博客网站建设业务,专业工厂网站建设一.卷积操作和图像处理中的中值滤波操作有什么区别#xff1f;
1.1卷积操作
卷积操作是一种线性操作#xff0c;通常用于特征的提取#xff0c;通过卷积核的加权求和来得到新的像素值。1.2中值滤波 原文#xff1a; https://blog.csdn.net/weixin_51571728/article/detai…一.卷积操作和图像处理中的中值滤波操作有什么区别
1.1卷积操作
卷积操作是一种线性操作通常用于特征的提取通过卷积核的加权求和来得到新的像素值。1.2中值滤波 原文 https://blog.csdn.net/weixin_51571728/article/details/121545254
欧式距离和余弦距离的区别
余弦距离使用两个向量夹角的余弦值作为衡量两个个体间差异的大小。相比欧氏距离余弦距离更加注重两个向量在方向上的差异。
二.Batch Normalization批归一化简称BatchNorm
它把样本的数据分布变成了以0为中心标准差为1的分布。激活函数如sigmoid和双曲正切激活函数在0附近是非饱和区 如果输出太大或者太小则会进入激活函数的饱和区(饱和区意味着梯度消失难以训练 )所以用batch norm强行把神经元的输出集中在0附近。举例
batch norm前某一层的输出 batch norm后某一层的输出 都在0附近在sigmoid的非饱和区。大大减少梯度消失的问题。
batch norm的方法和流程 batch norm的效果可视化 如上就算没有把区间压到0附近也会往中间靠 batch norm出现的位置
一般在线性层的后面激活函数的前面。
batch norm的好处总结 补充batch norm 和 dropout不能同时使用
同时使用时性能降低
yolov5模型s,l,m,x的区别
yolov5s
是什么yolov5系列最小的模型s是small。 适合什么情况下使用适合在计算资源有限的设备上使用。如移动设备或边缘设备。 速度和准确率速度最快准确率最低。 输入分辨率通常为640x640
# Parameters
nc: 80 # number of classes
depth_multiple: 0.33 # 控制模型的深度
width_multiple: 0.50 # layer channel multiple
anchors:- [10,13, 16,30, 33,23] # P3/8- [30,61, 62,45, 59,119] # P4/16- [116,90, 156,198, 373,326] # P5/32yolov5m
是什么yolov5系列中等的模型m是medium。 适合什么情况下使用适合有一定计算能力的设备。 速度和准确率速度中准确率中。
yolov5l
是什么yolov5系列较大的模型l是large。 适合什么情况下使用适合较强计算能力的设备。 速度和准确率速度慢准确率较高。 输入分辨率通常为896x896
之前用Yolonas的large版3050显卡的设备连接网络摄像头进行检测很卡。摄像头上面的时间两秒左右才跳一下。所以该模型适合3050以上的显卡。
yolov5 l的yaml文件
# Parameters
nc: 80 # number of classes
depth_multiple: 1.0 # model depth multiple
width_multiple: 1.0 # layer channel multiple
anchors:- [10,13, 16,30, 33,23] # P3/8- [30,61, 62,45, 59,119] # P4/16- [116,90, 156,198, 373,326] # P5/32yolov5x
是什么这是 YOLOv5 系列中最大的模型。“x” 代表 “extra large”超大。 适合什么情况下使用适用于需要极高准确度的任务且具有强大计算能力如 GPU的设备。 速度和准确率速度最慢准确率最高。
YOLOv5n
YOLOv5n这是 YOLOv5 系列中的一个变体专为 Nano 设备如 NVIDIA Jetson Nano进行优化。YOLOv5n 在保持较快速度的同时提供适用于边缘设备的准确度。
