第25個冬天

https://medium.com/nerd-for-tech/research-summary-object-detection-upto-fast-rcnn-43d5944f4f6f RCNN (Regions with CNN features) 首先輸入一張影像 後續透過SelectiveSearch生成一些候選框Region proposals(至多2000個) warped region=>主要是影像預處理，可能作揖些縮放到同樣大小的處理。 當時論文採用的是VGG16方式來對2000個框做特徵提取，依此十分耗時。 最終做分類則是採用SVM 而Bounding-box部分採用回歸方式處理 平均一張影像在Nvidia K40 GPU要耗費47秒 https://github.com/ChouSamuel/Pytorch-RCNN-/blob/main/RCNN%E5%AF%A6%E4%BD%9C.ipynb

  練習程式碼

最早由John Maynard Smith和G. R. Price提出 演化生物學基於這樣一個觀念：生物的基因在很大程度上決定了其可觀察的特徵，進而決定其在特定環境中的適應性。 較適合基因的基因隨著時間推移往往勝出，因為它們能提供較高的繁殖率。 這些生物中任何一種的成功，取決於其行為與其他生物的互動 比方，當兩隻甲蟲為食物競爭時，可能出現下列結果: 當體型相同的甲蟲競爭時，它們獲得相等的食物份額 當大型甲蟲與小型甲蟲競爭時，大型甲蟲獲得大多數食物 在所有情況下，較大的甲蟲從相同數量的食物中獲得的適合度利益較少。 某個族群中個體的適應度(fitness)，是指其與該族群中某個隨機個體相互作用時所獲得的預期收益( expected payoff ) 若在一個群體中，有比例為 x 的個體使用策略 T，而比例為 1 − x 的個體使用策略 S（其中 x 為極小的正數），則稱策略 T 以 x 的程度入侵策略 S。 若存在一個（極小的）正數 y，使得當任何其他策略 T 以任何程度 x < y 入侵策略 S 時， 採用策略 S 的生物體適應度皆嚴格大於採用策略 T 的生物體適應度，則稱 S 為演化穩定（evolutionarily stable） 族群中有1 − x 比例的族群使用 Small，而 x 比例的族群使用 Large 小甲蟲的預期報酬如下: 5(1 − x) + 1 · x = 5 − 4x 大甲蟲的預期報酬如下: 8(1 − x) + 3 · x = 8− 5x =>「小」在演化上是不穩定的 族群中有 1−x 的比例使用 Large，而有 x 的比例使用 Small 大甲蟲的預期報酬如下: 3(1 − x) + 8 · x = 3 + 5x 小甲蟲的預期報酬如下: (1 − x) + 5 · x = 1 + 4x =>Large 為演化穩定策略 Ref https://plato.stanford.edu/archives/sum2018/entries/game-evolutionary/ https://www.pugetsound.edu/sites/default/files/file/evolutionarygametheorysample_0.pdf https://blog.csdn.net/qq_43616565/article/d...