计算机视觉

1 公式原理 置信度作用：选择bounding box 2 损失函数 主要损失函数： 坐标损失函数： 超参数：加重权重： 置信度损失函数： 类别损失函数：（并不合适） 优缺点（小物体的权重比较小）

1 yolo 1 论文 最后生成的张量的维度是7*7 *30 目标检测数据集： 最开始的卷积层负责提取特征，图像分类是全连接层是输出每个类别的概率。 yolo 是 受到GooLeNet启发，GooLe

1： yolo  知识 YOLO（You Only Look Once）是一种目标检测算法，它的原理可以概括为以下几个步骤： 网络输入和预处理：YOLO将图像分割成固定大小的网格，并将每个网格作为网络

1 创造者 2 前向推断 yolo中前向推断的含义 3 指的是 RGB 3个通道，经过卷积层，池化层，3*3 卷积层，3*3 池化层  输入。。。 输出。。。包括所有的预测框位置坐标，置信度，类别标签

1. 本科知识点回顾 1.1 朴素贝叶斯分类方法 朴素：假设各个特征之间相互独立，各个特征属性是条件独立的。 独立与条件独立： 独立：独立是指两个事件之间没有因果或关联关系，即知道一个事件发生与否不会

1  基本知识 目标跟踪的介绍 目标跟踪是指通过对目标的运动轨迹进行分析和预测，实时获取目标的位置信息。目标跟踪技术广泛应用于许多领域，包括视频监控、自动驾驶、机器人导航等。 1 )跟踪的本质 目标跟

1： 目标检测模型 YOLO（You Only Look Once）是一种基于深度学习的目标检测算法，其主要特点是能够实现实时目标检测。 YOLO的核心思想是将目标检测任务转化为一个回归问题，通过一个

问题 拆除运输机器人身上的摄像头，利用工厂中的摄像头进行状态获取和碰撞检测是可行的。以下是解决办法的一般步骤： 布置工厂中的摄像头：根据需要，在工厂内合理布置摄像头，以覆盖机器人运输的区域。确保摄像头