jiangdou88的留言板

jiangdou88 2020-01-02 06:38:12

大家好，这里是我的留言板，如果有问题，欢迎大家留言，我会第一时间进行回复

...全文

90 回复打赏收藏举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

数据集可视化效果可参见下方展示。【数据集概况】 · 检测类别（中文）：[弯腰(bending), 躺卧(down), 站立(up)] · 训练集：3240 张 · 验证集：0 张 · 测试集：210 张 · 总计：3450 张该数据集聚焦于室内居住环境下的人员行为状态识别，通过多角度、多时段的图像采集，全面覆盖了日常生活中常见的身体姿态变化。数据集中包含多种典型动作场景，如站立、弯腰和躺卧等，能够有效支持对个体活动状态的精准判断，适用于智能安防、健康监护及居家行为分析等高价值应用领域。... 【训练曲线与评估图】【模型训练配置】参数 | 值模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备【关键指标汇总】训练了 100 个 epoch，最终轮指标：指标 | 数值 mAP50 | **0.9740** mAP50-95 | 0.8780 Precision | 0.9537 Recall | 0.9434 train/box_loss | 0.3695 train/cls_loss | 0.1506 val/box_loss | 0.4416 val/cls_loss | 0.2860 【训练过程分析】 100 轮训练后 mAP50 达到 0.9740，模型收敛良好。Loss 曲线前段快速下降，后段趋于平稳，val_loss 无反弹，没有明显过拟合。mAP50-95 为 0.8780，和 mAP50 差距仅 0.10，框的定位精度也很扎实。【模型性能评估】 Precision 0.9537、Recall 0.9434，精召双高，模型对弯腰、躺卧、站立的检测能力强。多类检测中，不同类别性能可能有差异，需关注难例类别的表现。【预测效果展示...

如何快速发现适合产业转化的科研资源？

科易网基于40亿+科创知识图谱数据库，深度探索AI技术在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景，研究科技创新领域的AI+数智化解决方案，推动科技创新与产业创新智能化发展。

科易网基于40亿+科创知识图谱数据库，深度探索AI技术在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景，研究科技创新领域的AI+数智化解决方案，推动科技创新与产业创新智能化发展。

如何利用知识图谱实现高校科研院所的多要素全维度融合？

703

社区成员

253,689

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章