最近学的分享一下

反向传播算法是一种用于训练神经网络的算法，其作用是根据网络的输出和期望输出之间的误差，来更新网络中的权重和偏置，从而提高网络的性能。

知识图谱是符号主义流派，深度学习是连接主义流派。

“联邦学习”让互相不信任的各方，可以把样本和特征汇聚到一起，共同获得更好的预测模型。2016年由谷歌团队提出，数据不动模型动。

不知道又要学多久……

1、关键点检测 花名：关键点定位/对齐/keypoint alignment 输入：包含目标的图像，如人脸图像、人体图像、手部图像等 输出：一组预定义的关键点位置（人脸五官，人体关节，手指关节等） 2、算法分类 regression法：直接回归关键点坐标（DeepPose、MTCNN、MobileNet） +模型简单，可导 +计算量小，速度快 +更好的连续性和稳定性 -容易过拟合（CNN） -空间…

1、目标检测 图像分类：分类、概率 目标检测：给出位置、分类、概率 数据标注：坐上坐标，右下坐标 矩形框 (x1,y1,x2,y2,class) 目标检测常用数据集：PASCAL VOC、MS COCO（30W+图片，80个分类） 目标检测的操作： 评价指标： 2、检测方法 二阶段目标检测—Faster RCNN，速度慢 一阶段目标检测—YOLO V8，快 目标检测新范式—DETR，训练时间长 3…