Ting

概述与基础知识

人工智能、机器学习、深度学习

机器学习是人工智能实现的一个途径
深度学习是机器学习的一个方法发展
人工智能 > 机器学习 > 深度学习

分类算法 目标值 - 类别

sklearn转换器和预估器

转换器

估计器

KNN算法

朴素贝叶斯算法

决策树

随机森林

数据集

可用数据集

学习阶段使用的数据集

特征工程

为什么需要

数据和特征决定了机器学习的上限，模型和算法知识逼近这个上限。

tensorbord

服务器启动

1

tensorboard --logdir=./runs

本地使用

ssh连接，把服务器6006端口映射到本地的16006端口

Abstract

提出问题

• 由于预定义和训练过的对象一般是图像类，YOLO系列在开放场景适用性低

成果

• 团队通过在较大数据集的视觉语言建模和预训练增强了YOLO开放词汇表检测功能
• RepVL-PAN & region-text contrasitive loss 增强了视觉和语言信息的交互
• 在没有直接训练样本的情况下，模型能高效地识别或检测较大范围内的新的对象类别

数据集

• 使用LVIS dataset
• 结果：在LVIS数据集上取得了35.4的平均精度（AP），同时在V100硬件上达到了52.0帧每秒（FPS）
• 对比：在准确性和处理速度上都优于许多当前最先进的方法

Introduction

• 主流的视觉-语言检测模型和YOLO-World对比，YOLO-World在FPS（v100）上提速20倍，并且在平均精度上和主流模型差不多甚至更好。

数据评估方法：1. 精度——LVIS minival的固定的AP 2. 推理速度——NVIDIA V100 w/o TensorRT