Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
FrankJule
License Plate Detect Recognition Via Deep Neural Networks Accuracy Up To 99.9
提交
96ebf736
L
License Plate Detect Recognition Via Deep Neural Networks Accuracy Up To 99.9
项目概览
FrankJule
/
License Plate Detect Recognition Via Deep Neural Networks Accuracy Up To 99.9
通知
2
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
DevOps
流水线
流水线任务
计划
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
L
License Plate Detect Recognition Via Deep Neural Networks Accuracy Up To 99.9
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
DevOps
DevOps
流水线
流水线任务
计划
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
流水线任务
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
未验证
提交
96ebf736
编写于
6月 26, 2020
作者:
朱
朱本福
提交者:
GitHub
6月 26, 2020
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Update README.md
上级
5ed804e7
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
75 addition
and
0 deletion
+75
-0
README.md
README.md
+75
-0
未找到文件。
README.md
浏览文件 @
96ebf736
# License-Plate-Detect-Recognition-via-Deep-Neural-Networks-accuracy-up-to-99.9
works in real-time with detection and recognition accuracy up to 99.8% for Chinese license plates: 100 ms/plate!
【重要通知】:将从理论到实践,建立一个微信公众号,把近期的总结以专题形式公布出来,初步目录为:
欢迎大家关注公众号:ai_portumo。
• 目录
• 【第一章 线性代数】
• 矩阵、迹、转置
• 行列式、三角矩阵、行列式的性质、余子式
• 克拉姆法则、齐次线性方程组
• 逆矩阵、矩阵的初等变换
• 矩阵的秩、线性方程组的解
• 向量
• 方阵的特征值和特征向量
• 相似矩阵、矩阵对角化、对阵矩阵对角化
• 二次型与矩阵正定性
• SVD分解的证明、SVD分解、SVD分解的应用
• 多元线性回归、最小二乘法
• 【第二章 微积分】
• 中值定理、柯西中值定理、洛必达法则
• 泰勒公式
• 函数的凹凸性、函数的极值
• 不定积分、凑微分、分部积分法、定积分
• 牛顿莱布尼茨公式
• 全部积分、偏导数
• 方向导数与梯度
• 多元函数的泰勒公式、海森矩阵
• 多元函数的极值
• 矩阵的求导
• 【第三章 概率论】
• 条件概率、全概率公式、贝叶斯公式
• 独立性
• 离散随机变量、连续随机变量
• 分布函数:均匀分布、指数分布、正态分布
• 随机变量函数的分布
• 多维随机变量
• 边缘分布、条件分布
• 期望(连续型、离散型)
• 方差
• 方差的常用性质、协方差
• 协方差矩阵
• 参数估计、矩估计
• 极大似然估计、高斯分布、无偏性
• 【第四章 机器学习】
• 无约束优化、梯度下降法
• 牛顿法、两种解释
• 牛顿法的收敛速度
• 有约束的优化、拉格朗日乘子的意义、KKT条件
• 不等式约束
• 约束问题总结:等式约束、不等式约束
• 优化的对偶理论、原始问题、对偶问题
• 【第五章 深度学习】
• 容量、过拟合、欠拟合
• 逻辑回归、线性回归、二项逻辑回归模型
• 贝叶斯估计、频率派、贝叶斯派
• QA J=‖xa−y‖^2 求导
• PCA原理与推导
• LDA、PCA与LDA区别
• SVM支持向量机
• 决策树
• 传递函数、激活函数、损失函数、KL距离、相对熵
• 前向传播、反向算法
• 深度学习中的正则化
• Bagging、Dropout
• 深度模型中的优化
• 动量Momentum、AdaGrad、Adam、BatchNorm
• 卷积网络
• CNN前向算法、反向算法、Pooling
• Inception网络:V1、V2、V3、V4
• 循环神经网络、前向、后向
• LSTM
• GRU
• 深度学习中的一些高级技术
• 神经网络量化
• 对抗网络
【重要通知】:将从理论到实践,建立一个微信公众号,把近期的总结以专题形式公布出来,以上为初步目录:
欢迎大家关注公众号:ai_portumo。
进来看一定要加star!右上角!
-----
github 里面会有一个列表,专门收集了你所有 star 过的项目,点击 github 个人头像,可以看到 your stars 的条目,点击就可以查看你 star 过的所有项目了。
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录