tp安卓版app|olo是什么意思

作者: tp安卓版app
2024-03-10 23:55:28

数金链的OLO是什么？ - 知乎

数金链的OLO是什么？ - 知乎首页知乎知学堂发现等你来答切换模式登录/注册投资区块链(Blockchain)数字货币数金链的OLO是什么？关注者10被浏览8,795关注问题写回答邀请回答好问题添加评论分享5 个回答默认排序狐先生关注OLO是一种可交易的数字通证，代表了数金链生态立累积的用户行为数据的价值，OLO总发行限制为10亿枚。用户每天浏览、阅读、转发等在线行为都会沉淀为大数据，OLO代表的就是用户行为数据价值转换成的数字资产，可流通且限量稀缺的。发布于 2020-03-26 17:20赞同 53 条评论分享收藏喜欢收起泽钰Coco区块瞭望创始人最年轻的区块链CEO区块瞭望首席战略规划师关注OLO说白了就是项目方发的token 也就是通证是这个链上进行运行流通的数字货币目前项目方都需要用token来实现自我流通发布于 2020-03-24 18:39赞同添加评论分享收藏喜欢

数金链的OLO是什么？ - 知乎

百度知道 - 信息提示

百度首页

商城

网页

资讯

视频

图片

知道

文库

贴吧采购

地图更多

搜索答案

我要提问

百度知道>提示信息

知道宝贝找不到问题了>_

该问题可能已经失效。返回首页

15秒以后自动返回

帮助

| 意见反馈

| 投诉举报

让我来告诉你，什么才是真正的Elo机制 - 知乎

让我来告诉你，什么才是真正的Elo机制 - 知乎切换模式写文章登录/注册让我来告诉你，什么才是真正的Elo机制哒哒王不想学会计的程序员，不是好新媒体运营身为一名玩家，经常看到网上一些关于Elo机制的讨论，我用一句话总结，就是喷都是无脑喷，都没喷出水平。包括不限于：不充钱就一直输，一充钱立马连胜；隐藏分很高，下一盘就是逆风局；不要拿MVP，不然下把必定匹配到猪队友；Elo机制使我胜率一直在50%；虽然我已经很久不玩MOBA游戏了，但有些话还是不吐不快，今天我就来详细说说Elo机制。全文约3000字，看完你将对lo机制有一个较全面的了解、以及为什么电竞中的Elo机制有很大问题。到底什么是Elo？Elo不是游戏首创，在体育竞技中十分常见。篮球、乒乓球、围棋、国际象棋等等，都会使用Elo来衡量运动员的水平。值得一提的是这个系统是基于统计学的。那么Elo评级系统是如何运行的呢？Elo会用一个数字来衡量运动员的水平，每场比赛结束后，赢家会从输家那里获得积分。两名运动员之间的积分差异，决定一场比赛后，获得或者失去的积分。如果评分高的运动员获胜，那么只会从评分低的运动员那里，获得一点点积分。相反，如果评分低的运动员爆冷，就会抢走评分高的运动员大量的积分。如果平局，评分低的运动员，同样会抢走评分低的运动员一定的积分。只要运动员的场次足够多，Elo就会真实地反应出运动员的真实水平。但是，正如前面所说，Elo评分系统基于统计学，它只是一种参考，并不能绝对衡量出运动员的实力。这是因为，体育竞技本身就是一种十分复杂的游戏，一场比赛的输赢受到许多因素的影响，运动员的状态、运气、心理素质、场地氛围等等，都可能左右一场比赛。有人要问，既然不能完全反应选手的水平，那要它作甚？自己想想，如果有一种方法，可以完全测出一场比赛谁输谁赢，那体育竞技还有什么魅力？Elo之所以能成为公认的最权威的方法，是因为它比之前所有的评分系统都先进，更容易更准确反应一个选手的真实水平。1970年，国际棋联正式开始使用这个评分系统。最后说一句，Elo遭1V1对抗时用的最多，预测多人对抗游戏并不是它的强项。电竞中的Elo除了体育竞技，电竞是Elo应用最广泛的领域。你可能不知道，非常多的游戏都采用Elo机制。可能比较少人知道的，CSGO、守望先锋、魔兽世界都采用Elo机制，或者Elo机制的升级版-Glicko-2。大家都在吐槽英雄联盟手游的Elo机制，吐槽端游的没那么多。其实lol在s1和s2也都采用Elo机制进行匹配，直到s3赛季才采用自己的评分系统。这位童鞋就属于不了解，纯靠感觉的这里稍微提一下，被认为是元宇宙第一股的Roblox，也在2010年引入了Elo机制。这么多游戏都用Elo机制，不是没有道理的。因为从成本角度考虑，自创一套算法，远不如拿现成的去改进来得划算，更何况Elo也的确很适合电子竞技。注意，这里的适合，不是说完美，而是在当时电竞萌芽期，的确没有那一种算法比Elo好。Elo本来是一个好东西，但是游戏厂家一般都会对Elo进行魔改，这也是不同游戏，玩家对elo感知不同的原因。改得不好，简直就是一场灾难。最早的EloElo进入玩家视野，引发关注，是王者荣耀策划Donny2018年在微博上发的，一条关于匹配机制的解释。阿哒这里提炼一下关键点：段位和Elo值共同决定匹配对手和队友；2. 如果等待时间过长，则放大Elo的寻找范围；3. 利用勇者积分机制，让玩家快速达到真实实力所在段位；这些都是体育竞技中的Elo所没有的。因为这些特别的规则，玩家一些现象很容易解释，比如：在王者荣耀中，为什么王者局，可以匹配到星耀2（星耀晋级后是王者段位）的玩家，这时因为这名星耀2玩家的Elo太高，已经达到了最强王者段位的水平。反之，最强王者匹配到星耀局，说明Elo太低了。如此一来，又会出现一些问题。星耀2玩家因为Elo分数高去打王者局，在其他玩家实力大致相当的前提下，如果这名玩家实力是荣耀王者（最强王者50星），那么对手很容易被碾压。如果这名玩家是靠运气连胜导致Elo分数太高，又会成为队伍的累赘。事实证明，双方实力大致相当的对局非常少。因为这名玩家需要足够多的场次，Elo值才能真实反应他的水平，而且即便如此，也不能排除他心情好，练一把英雄的情况……再比如强行将匹配时长加入Elo机制中。玩家匹配等待时间过长，则放大Elo的寻找范围。换句话说，假设9名最强王者玩家的Elo值都是1500分左右，但此时死活就是找不到一个1500分左右的最强王者玩家，那么系统就会扩大范围，强行匹配一个Elo1600分，或者Elo1400分的玩家。毫无疑问，出现这种情况，对局本身就不是公平的，更没有50%的胜率可言。Elo的错误认识最后我想说说一些常见的关于Elo的错误认识。强行50%胜率很多人都在吐槽Elo强行50%胜率。但要我说，如果一个算法，能让对局双方保持50%的胜率，那一定是非常牛x的算法，非常成功的算法。为什么？我们很喜欢把50%算到具体的某个玩家身上，其实算法不是针对某一个玩家，而是针对一个对局。理想情况下，对局双方10人，大家水平都一样，只要打的对局足够多，最终结果肯定是所有人的胜率都是50%。不管采用何种算法，所有人的胜率都会趋近于50%，因为你总有达到自己真实实力段位的时候，在水平没有提高的情况下，在这个段位不断玩，肯定是50%的胜率。其实保证双方各50%胜率的说法不准确，应该是保证双方水平大致相当。在双方水平大致相当的情况下，阵容的选择，玩家对英雄的理解、操作水平、对局节奏来左右这场比赛的输赢。电竞中的Elo算法，最大的问题是不能保证双方玩家的水平相当。对方70%能赢，己方30%能赢，结果阵容怎么好，英雄理解怎么到位，操作怎么溜，就是有一个坑货，怎么都赢不了。拿败方MVP下把容易输这个好像是王者荣耀特有的，除了胜利方有MVP外，败方表现好的玩家，也会给MVP。败方MVP最开始是没有的，后来天美为了安慰输的一方表现好的玩家，特意给的标识，而Elo机制是王者荣耀一开始就采用的，目前也没有任何可靠的证据，能证明MVP影响下局比赛。MVP影不影响下局匹配，我不知道，但是我知道你这局故意不拿MVP，有可能因此输掉这局……隐藏分很高，下局逆风局这个说法，一定程度上是对的。因为隐藏分高，说明你不是这个段位的，很可能跨段位匹配，匹配到实力更强的对手。原先匹配的是白银的对手和队友，你很容易carry，但现在匹配的是钻石对手和队友，carry难度高了，自己左右对局的能力下降，胜率自然也下降。但是，如果为了这个，去故意输掉比赛，降低隐藏分，我觉得是一种很傻的行为。首先，降低隐藏分很不容易，别忘了，输掉一场比赛掉隐藏分的同时，段位也会下降。钻2,1500分，要变成钻2，1300分要非常多的输局。其次，故意掉分有被举报的风险。连胜后必定连跪以下是知乎某高赞回答：某高赞回答这种现象的确存在，也的确是Elo导致的。这个不难解释，因为Elo基于段位和隐藏分，当连胜后，段位和隐藏分随之提高，自然也会匹配到实力更强的对手，当然也会匹配到隐藏分高的坑货，连败就很难避免。所以问题在于，换一种算法，是否能避免这种现象的出现？答案是不能，但可能减少。不能避免，是因为你总有达到属于自己实力段位的时候，总有运气爆棚连胜的时候，也会有运气差的时候。只要有一种算法，能保证双方在选阵容前，胜率是50%，双方水平相当，这种现象就会减少。后记Elo本身没有问题，但是经过各种魔改，真是让人头疼。很多问题，是算法解决不了的，玩家也不是游戏开发商，不能决定游戏的匹配算法，只能被动服从，真的很无奈。我本人已经有二十多年的游戏经历，对游戏内的一些东西，已经看淡了很多。最早开始玩英雄联盟，到王者荣耀，碰到坑货、不公平的对局都会气得要死，甚至喷对方。但现在想想，玩个游戏，把自己气得半死没必要，既然游戏开发商平衡不了，最好的解决方式就是不玩。现在玩玩养成游戏，斗斗地主，挺好的~编辑于 2021-12-21 00:48王者荣耀英雄联盟（手机游戏）Elo赞同 397109 条评论分享喜欢收藏申请

olo中文_olo是什么意思

繁體版

English

登录注册

网站工具

设为首页

收藏本站

英语翻译

日语翻译

法语翻译

俄语翻译

韩语翻译

阿拉伯语翻译

印尼语翻译

汉语词典

造句

发音

句子翻译

当前位置：在线翻译 > 英语翻译 > olo

olo中文是什么意思

发音: 用"olo"造句"olo"怎么读"olo" in a sentence

中文翻译手机版奥尔岛奥洛外间距我乐"ibile olo" 中文翻译 : 伊比莱奥洛"pianos olo" 中文翻译 : 走我路"juan olo mba nseng" 中文翻译 : 胡安奥洛姆巴恩森"lamas de olo" 中文翻译 : 拉马什德奥卢"olo optical line output" 中文翻译 : 光线路出口"olo oracle learning object" 中文翻译 : 奥瑞克公司学习对象"tra cranial olo ler" 中文翻译 : 经脑多普勒超声诊断仪"olnyanski" 中文翻译 : 奥利尼扬斯基"olnils" 中文翻译 : 奥尼尔斯"oloa" 中文翻译 : 奥洛阿"olnie river" 中文翻译 : 奥尔尼河"olob" 中文翻译 : 得到了"olney springs" 中文翻译 : 奥尔尼斯普林斯"olobolodi plain" 中文翻译 : 奥洛博洛迪平原"olney interpretation" 中文翻译 : 欧恩尼解释

例句与用法High - speed , muti - services and economy have become the major issues of the future ip backbone technology as far as thes poiflt is concerned , thes paper explores layer 3 switdrig technology which separates control component and forward compontal in the traditional roulers . two forwarding al gori thms - - - - d ata - driven mo d el and top olo gy driven model are also compared , a next generation ip backbone echno l o gy - - - - multiproto co l label switching is developed , with its operation and its deployinent in traffic engineering , c1ass - ofservce and virtual private network本文从未来ip骨干网技术所要求的高速化、多业务支持、经济性出发，介绍了在传统路由器基础上将控制部件和转发部件分离的第三层交换技术，比较了数据驱动模型和控制驱动(拓扑驱动)模型两种转发算法，并由此引出下一代ip骨干网络技术? ?多协议标记交换，阐述了其工作原理以及在流量工程、服务等级区分和虚拟专用网中的应用。用"olo"造句

相关词汇ibile olo 中文, pianos olo 中文, lamas de olo 中文, juan olo mba nseng 中文, olo oracle learning object 中文, tra cranial olo ler 中文, olo optical line output 中文, olney interpretation 中文, olney springs 中文, olnie river 中文, olnils 中文, olnyanski 中文, oloa 中文, olob 中文, olobolodi plain 中文,

相邻词汇olney interpretation 中文olney springs 中文olnie river 中文olnils 中文olnyanski 中文olo optical line output 中文olo oracle learning object 中文oloa 中文olob 中文

精彩推荐

用“精听”提高英语听力水平！（听力方法）

英语卡住？这几个金句教你沉着应对！

五个英语表达说“我要去厕所”

英语翻译日语翻译法语翻译韩语翻译俄语翻译汉语词典 Hindi

关于查查联系我们人才招聘意见反馈友情链接

英文学习技巧

(听力方法)用“精听”提高英语听力水平！

英语卡住？这几个金句教你沉着应对！

五个英语表达说“我要去厕所”

(实用英语)这些网络流行语看不懂，就要落伍啦！

阅读速度慢，真是词汇量的原因吗？

道歉还在用sorry？几种比它更地道的表达方式

最具创意的19句英文翻译

五个英语表达说“穿暖和点！”

全文翻译

英语→汉语

汉语→英语

App Store

Android

OLO是什么意思? - OLO的全称 | 在线英文缩略词查询

↓ 跳到主内容

EnglishالعربيةБългарскиCatalàČeštinaCymraegDanskDeutschΕλληνικάEspañolEestiفارسیSuomiFrançaisעִבְרִיתहिन्दीJezikAyititMagyarBahasa IndonesiaItaliano日本語한국어LietuviųLatviešuMelayuMaltiNorskNederlandsPolskiPortuguêsRomânăРусскийSlovenčinaslovenščinaSvenskaไทยTürkçeукраїнськаاردوViệt Nam繁體中文

首页 › 3 个字母 › OLO

OLO 是什么意思?

你在寻找OLO的含义吗？在下图中，您可以看到OLO的主要定义。如果需要，您还可以下载要打印的图像文件，或者您可以通过Facebook，Twitter，Pinterest，Google等与您的朋友分享。要查看OLO的所有含义，请向下滚动。完整的定义列表按字母顺序显示在下表中。

OLO的主要含义

下图显示了OLO最常用的含义。您可以将图像文件下载为PNG格式以供离线使用，或通过电子邮件发送给您的朋友。如果您是非商业网站的网站管理员，请随时在您的网站上发布OLO定义的图像。

OLO的所有定义

如上所述，您将在下表中看到OLO的所有含义。请注意，所有定义都按字母顺序列出。您可以单击右侧的链接以查看每个定义的详细信息，包括英语和您当地语言的定义。

首字母缩写词定义OLOOeufs Lait 橘子OLO俄亥俄州灯戏OLO光的本地振荡器OLO其他地方的运算符OLO其他学习机会OLO其他持牌经营者OLO反对派领袖办公室OLO只被笑笑一次OLO奥洛穆茨，捷克共和国OLO安大略省 l'Original 铁路OLO最优线性排序OLO橙色路德在线OLO歌剧天琴座渥太华OLO网上订购

‹ OLM

OLU ›

语言

简体中文

威士忌橡木桶专业术语，一次性全搞懂！ - 知乎

威士忌橡木桶专业术语，一次性全搞懂！ - 知乎首发于啃老师陪你喝一杯切换模式写文章登录/注册威士忌橡木桶专业术语，一次性全搞懂！啃老师文章首发于微信公众号：啃老师陪你喝一杯（kenlaoshiheyibei），关注我获取更多威士忌资讯、硬货、八卦……讲真，想要搞懂威士忌，你一定绕不开跟“橡木桶”有关的一切。但是好像弄了半天也只才搞懂Bourbon Cask（波本桶）和Sherry Cask（雪利桶），剩下那些对新人不太友好的专业术语简直让人头大。今天，就把橡木桶给你拆个底儿掉。背诵全文，如果真有橡木桶8级考试，妥妥的一百昏！ 1、Amburana/南美硬木一种南美硬木，用来陈酿巴西甜酒，也会用来熟成威士忌，它会赋予酒液特殊的零陵香豆、香草、椰子和樱桃的香气。2、American Oak/美国橡木美国产的橡木，通常用于制作美国橡木桶，木桶再利用之后，还会用于存放和陈酿世界各地的各种其他烈酒，比如威士忌。学名Quercus Alba（美国白橡木）。3、European Oak/欧洲橡木一个包含许多不同橡树品种的术语，欧洲橡木桶的风味特征因木材来源的不同而有很大差异，最常见的欧洲橡木学名为Quercus Robur。4、Mizunara/水楢木一种日本和东北亚特有的橡树品种，学名Quercus Mongolica（蒙古栎）。制成的橡木桶，会赋予酒液类似沉香一样古老的东方味道。5、Angel’s Share/天使的份额熟成时，从木桶中蒸发掉的烈酒。6、Barrel/桶严格地说，是美国标准桶的缩写，但经常（不严谨地）用来指任何类型的桶。7、Bilge/桶腰木桶中间最宽的部分。8、Bung/塞子木桶中用来封孔的一块木头（有时是橡胶）。9、Bung hole/封塞孔在桶腹的部分打的孔，用于填充和排出酒液。10、Valinch/取样管从酒桶中取酒试酒用的工具学名，也叫Whisky Thief。11、Puncheon/庞趣桶大木桶的一种，容量在500-700升，桶型矮胖。12、Butt/巴特桶500升左右的大木桶（雪莉桶），桶型瘦高。13、Hogshead/猪头桶因重量与一头猪相当而得名。容量为230-250升，在美国标准橡木桶（200升）基础上加木板重新制作的橡木桶。14、American Standard Barrel/美国标准桶180-200升的美国橡木桶，又称美国波本桶，广泛用于美国波本威士忌和苏格兰威士忌的陈年。15、Quarter cask/四分之一桶Butt桶的四分之一，容量在125升左右的桶。16、Octave/八分之一桶50升左右的橡木桶。17、Blood tub/椭圆桶一种长椭圆形桶，设计最早是为了方便放在马背方便运输而出现，现在多泛指30-40升的酒桶。18、Toast/烘烤加热木桶壁，活化其中的风味化合物并使其弯曲成一定形状的过程。19、Char/炭化（层）炭化其实是桶成型后的一道特殊的烤桶过程，时间不同，程度也不同。它使得桶内壁形成一层木炭层，可以过滤酒液中的杂质；同时，木材中的糖类物质焦化形成有颜色的“红层”，烘烤过程还会分解橡木中的木质素，赋予酒液香草等风味。20、Dechar/Rechar去炭化/再炭化橡木桶重新利用前，会将炭化层先刮掉再进行烘烤，这样木桶会重新焕发活力。21、Dunnage warehouse/铺地式仓库一种传统的仓库，注满酒液的酒桶一般堆放3层高，用厚重的木板支撑并分隔开，这样堆放的橡木桶，酒液可以更自由地呼吸，当然，蒸发量也更大。22、Racked warehouse/堆栈式仓库一种现代化的仓库，在钢架内堆放木桶，钢架大约有8或12层高，排成平行的长条摆放。23、Palletised warehouse/货板式仓库一种最新式的仓库，将木桶竖直排放在货板上（正如其名所示），可高达8个木桶的高度。这种存储方式最大程度节省空间和成本，但底部和顶部的酒液差距比较大。24、First fill/首次装填以前使用过一次又重新装填酒液的橡木桶，一般指第一次装填苏格兰威士忌的美国波本桶或雪莉桶。25、Refill cask/再填橡木桶一种至少已被用来储存两次烈酒的橡木桶：首先是原始橡木桶，然后是首次装填，再然后是二次装填，也就是再填橡木桶。这种桶会赋予酒液更多水果风味。26、Rejuvenated cask/再生橡木桶Dechar和Rechar的另一种术语。27、Solera/索莱拉系统在雪莉酒庄中，雪莉酒都是使用Solera系统的橡木桶陈化的，这个系统下得到的雪莉桶就叫索莱拉桶（Solera Cask），也是最初用于陈年威士忌的雪莉桶。28、Seasoned cask/定制桶装过其他液体的橡木桶，专门为木材注入该液体的某些特性，现在的大部分雪莉桶都属于定制桶范畴，也叫Bespoke Cask。雪莉定制桶有很多类型，根据装填的酒不同，风味也不同。其中，轻度加强的雪莉酒如Fino、Manzanilla、Amontillado制成的桶，陈酿出的威士忌颜色上会比较浅，甜度相对轻一点，带有夏日水果、烟草、坚果尤其是榛果和杏仁的复杂香气。而装填过中度或重度加强的雪莉酒如Oloroso、palo cortado、Moscatel、Pedro Ximénez等的雪莉桶，威士忌酒液的颜色会更深，也更甜，酒体中可以品尝到蜜饯、葡萄干、黑巧克力、焦糖等等风味。29、Wine Cask葡萄酒桶威士忌风味桶的一种，装填过葡萄酒，一般出自知名葡萄酒庄或产区，如法国波尔多（Bordeaux）五大酒庄、勃根地（Burgundy）、意大利巴罗洛(Barolo)，以及西班牙利奥哈（Rioja）等。30、Sauternes Cask/苏玳桶属于贵腐甜白酒桶，也是风味桶之一，同类型的还有Tokaji Cask。当然，风味桶还有很多，比如Rum Cask（朗姆桶），以及Port Cask（波特桶）等等。31、Virgin oak/处女桶以前从未接触过烈酒的橡木，代指全新橡木桶，也就是完全没有陈年过任何酒的橡木桶。发布于 2019-10-28 14:56苏格兰威士忌威士忌木材赞同 43添加评论分享喜欢收藏申请转载文章被以下专栏收录啃老师陪你喝一杯跟威士忌的情

写给小白的YOLO介绍 - 知乎

写给小白的YOLO介绍 - 知乎首发于写给小白的NLP&CV切换模式写文章登录/注册写给小白的YOLO介绍Frank Tian梦想是成为时间刺客，学完五百年间所有知识。计算机视觉并不是作者的专业领域，本文章可能在诸多细节存在问题。请谨慎阅读以防产生误导。YOLO是什么？YOLO是目标检测模型。目标检测是计算机视觉中比较简单的任务，用来在一张图篇中找到某些特定的物体，目标检测不仅要求我们识别这些物体的种类，同时要求我们标出这些物体的位置。显然，类别是离散数据，位置是连续数据。上面的图片中，分别是计算机视觉的三类任务：分类，目标检测，实例分割。很显然，整体上这三类任务从易到难，我们要讨论的目标检测位于中间。前面的分类任务是我们做目标检测的基础，至于像素级别的实例分割，太难了别想了。YOLO在2016年被提出，发表在计算机视觉顶会CVPR(Computer Vision and Pattern Recognition)上，论文的国内镜像在这里：YOLO的全称是you only look once，指只需要浏览一次就可以识别出图中的物体的类别和位置。因为只需要看一次，YOLO被称为Region-free方法，相比于Region-based方法，YOLO不需要提前找到可能存在目标的Region。也就是说，一个典型的Region-base方法的流程是这样的：先通过计算机图形学（或者深度学习）的方法，对图片进行分析，找出若干个可能存在物体的区域，将这些区域裁剪下来，放入一个图片分类器中，由分类器分类。因为YOLO这样的Region-free方法只需要一次扫描，也被称为单阶段（1-stage）模型。Region-based方法方法也被称为两阶段（2-stage）方法。YOLO之前的世界YOLO之前的世界，额，其实是R-CNN什么的，也就是我们前面说的Region-based方法，但是感觉还是太高端了。我们从用脚都能想到的目标检测方法开始讲起。如果我们现在有一个分类器：这只猫咪好可爱，想撸。现在我们的追求升级了，我们不仅仅想处理这种一张图片中只有一个物体的图片，我们现在想处理有多个物体的图片。我们该什么做呢？首先有几点我们要实现想到：首先物体的位置是不确定的，你没办法保证物体一定在最中间；其次，物体的大小是不确定的，有的物体比较大，也有的物体比较小，注意，这里不是说大象一定更大，猫咪一定更小，毕竟还有近大远小嘛；然后，我们还没办法保证物体的种类，假设我们有一个可以识别100中物体的分类器，那么起码图片中出现了这100种物体我们都要识别出来。比如说这样：挺难的，是吧？最naive的方法是滑窗法，就是用滑动窗口去识别一个个物体。比如这样：上图的红色框框就是所谓的滑窗。如果一个物体正好出现在一个滑窗中，那么我们就可以把它检测出来了，这个滑窗的位置也就是我们认为这个物体所在的位置。等下，如果物体没有正好出现在一个滑窗中呢？我们管滑窗每次滑动的距离叫做步长，如果我们把步长设置的特别小，如果步长仅仅为一个像素点，那一定可以保证物体可以正好出现在某个窗口中了。那如果某个物体特别大，或者特别小呢？例如在上图中，每个窗口和汽车差不多大小，但是如果我们要识别一辆卡车，一个窗口可能就不够大了。显然，我们可以设计不同大小的窗口，我们可以设计几十中不同大小的窗口，让他们按照最小的步长滑动，把窗口里的所有图片都放入分类器中。但是这样太太太浪费时间了。到这里R-CNN同学出现了，他说，你这样用滑窗法可能最后得到了几十万个窗口，而我可以提前扫描一下图片，得到2000个左右的Region（其实就是前面的窗口），这样不就节省了很多时间？R-CNN同学管这个叫做Region Proposal，并且提出了一个叫做Selective Search的算法。（吐槽一下这个名字起得太大众了）但是R-CNN被YOLO打脸了，YOLO说，我更快。YOLO原理在这之前，我们再重申一下我们的任务。我们的目的是在一张图片中找出物体，并给出它的类别和位置。目标检测是基于监督学习的，每张图片的监督信息是它所包含的N个物体，每个物体的信息有五个，分别是物体的中心位置(x,y)和它的高(h)和宽(w)，最后是它的类别。YOLO 的预测是基于整个图片的，并且它会一次性输出所有检测到的目标信息，包括类别和位置。就好像捕鱼一样，R-CNN是先选好哪里可能出现鱼，而YOLO是直接一个大网下去，把所有的鱼都捞出来。先假设我们处理的图片是一个正方形。YOLO的第一步是分割图片，它将图片分割为 s^2 个grid，每个grid的大小都是相等的，像这样：如果我们让每个框只能识别出一个物体，且要求这个物体必须在这个框之内，那YOLO就变成了很蠢的滑窗法了。YOLO的聪明之处在于，它只要求这个物体的中心落在这个框框之中。这意味着，我们不用设计非常非常大的框，因为我们只需要让物体的中心在这个框中就可以了，而不是必须要让整个物体都在这个框中。具体怎么实现呢？我们要让这个 S^2 个框每个都预测出B个bounding box，这个bounding box有5个量，分别是物体的中心位置(x,y)和它的高(h)和宽(w)，以及这次预测的置信度。每个框框不仅只预测B个bounding box，它还要负责预测这个框框中的物体是什么类别的，这里的类别用one-hot编码表示。注意，虽然一个框框有多个bounding boxes，但是只能识别出一个物体，因此每个框框需要预测物体的类别，而bounding box不需要。也就是说，如果我们有 S^2 个框框，每个框框的bounding boxes个数为B，分类器可以识别出C种不同的物体，那么所有整个ground truth的长度为：S \times S \times (B \times 5 +C) 先看这些bounding box显示出来是什么样的：在上面的例子中，图片被分成了49个框，每个框预测2个bounding box，因此上面的图中有98个bounding box。可以看到大致上每个框里确实有两个bounding box。可以看到这些BOX中有的边框比较粗，有的比较细，这是置信度不同的表现，置信度高的比较粗，置信度低的比较细。在详细的介绍confidence之前，我们先来说一说关于bounding box的细节。bounding box可以锁定物体的位置，这要求它输出四个关于位置的值，分别是x,y,h和w。我们在处理输入的图片的时候想让图片的大小任意，这一点对于卷积神经网络来说不算太难，但是，如果输出的位置坐标是一个任意的正实数，模型很可能在大小不同的物体上泛化能力有很大的差异。这时候当然有一个常见的套路，就是对数据进行归一化，让连续数据的值位于0和1之间。对于x和y而言，这相对比较容易，毕竟x和y是物体的中心位置，既然物体的中心位置在这个grid之中，那么只要让真实的x除以grid的宽度，让真实的y除以grid的高度就可以了。但是h和w就不能这么做了，因为一个物体很可能远大于grid的大小，预测物体的高和宽很可能大于bounding box的高和宽，这样w除以bounding box的宽度，h除以bounding box的高度依旧不在0和1之间。解决方法是让w除以整张图片的宽度，h除以整张图片的高度。下面的例子是一个448*448的图片，有3*3的grid，展示了计算x,y,w,h的真实值（ground truth）的过程：接下来，我们好好说道说道这个confidence。confidence的计算公式是：C=P r(o b j) * I O U_{t r u t h}^{p r e d} 这个IOU的全称是intersection over union，也就是交并比，它反应了两个框框的相似度。I O U_{t r u t h}^{p r e d} 的意思是预测的bounding box和真实的物体位置的交并比。P r(o b j) 是一个grid有物体的概率，在有物体的时候ground truth为1，没有物体的时候ground truth为0. 这个I O U_{t r u t h}^{p r e d} 非常有意思，因为它的groun truth不是确定的，这导致虽然 P r(o b j) 的ground truth是确定的，但是bounding box的confidence的ground truth是不确定的。一个不确定的ground truth有什么用呢？想象这样的问题：老师问小明1+1等于几。小明说等于2，老师又问你有多大的把握你的回答是对的，小明说有80%这里的80%就是confidence。confidence主要有两个作用，在后面我会一一介绍。现在，我们根据上面大雁的图片计算一下样本的groun truth：首先，这里有9个grid，每个grid有两个bounding box，每个bounding box有5个预测值，假设分类器可以识别出3中物体，那么ground truth的总长度为 S \times S \times (B \times 5 +C) = 3 \times 3 \times (2 \times 5 +3) = 117 我们假定大雁的类别的one-hot为100，另外两个是火鸡和特朗普，分别是010和001.我们规定每个grid的ground truth的顺序是confidence, x, y, w, h, c1, c2, c3那么第一个（左上角）grid的ground truth应该是：0, ?, ?, ?, ?, ?, ?, ?实际上除了最中间的grid以外，其他的grid的ground truth都是这样的。这里的"?"的意思是，随便是多少都行，我不在乎。在下面我们会看到，我们不会对这些值计算损失函数。中间的ground truth应该是：iou, 0.48, 0.28, 0.50, 0.32, 1, 0, 0iou要根据x, y, w, h的预测值现场计算。这样看似可以让每个grid找到负责的物体，并把它识别出来了。但是还存在一个不得不考虑的问题，如果物体很大，而框框又很小，一个物体被多个框框识别了怎么办？这里，我们要用到一个叫做非极大值抑制Non-maximal suppression(NMS)的技术。这个NMS还是基于交并比实现的。例如在上面狗狗的图里，B1,B2,B3,B4这四个框框可能都说狗狗在我的框里，但是最后的输出应该只有一个框，那怎么把其他框删除呢？这里就用到了我们之前讲的confidence了，confidence预测有多大的把握这个物体在我的框里，我们在同样是检测狗狗的框里，也就是B1,B2,B3,B4中，选择confidence最大的，把其余的都删掉。也就是只保留B1.但是这里还有一个引人深思的问题，为什么confidence的定义是 C=P r(o b j) * I O U_{t r u t h}^{p r e d} ，直接用 P r(o b j) 不行吗，直接用 P r(o b j) 的话就可以把ground truth确定下来，训练的时候就方便多了。这里有一个非常非常鸡贼的技巧！理论上只用 P r(o b j) 也可以选出应该负责识别物体的grid，但是可能会不太精确。这里我们训练的目标是预测 P r(o b j) * I O U_{t r u t h}^{p r e d} ，我们的想法是让本来不应该预测物体的grid的confidence尽可能的小，既然 P r(o b j) 的效果不太理想，那我就让 I O U_{t r u t h}^{p r e d} 尽可能小。为什么真正的最中间的grid的confidence往往会比较大呢？因为我们的bounding boxes是用中点坐标+宽高表示的，每个grid预测的bounding box都要求其中心在这个grid内，那么如果不是最中间的grid，其他的grid的IOU自然而言就会比较低了，因此相应的confidence就降下来了。现在，我们知道了哪个是应该保留的bounding boxes了，但是还有一个问题，我们是怎么判断出这几个bounding boxes识别的是同一个物体的呢？这里用到NMS的技巧，我们首先判断这几个grid的类别是不是相同的，假设上面的B1，B2，B3和B4识别的都是狗狗，那么进入下一步，我们保留B1，然后判断B2，B3和B4要不要删除。我们把B1成为极大bounding box，计算极大bounding box和其他几个bounding box的IOU，如果超过一个阈值，例如0.5，就认为这两个bounding box实际上预测的是同一个物体，就把其中confidence比较小的删除。最后，我们结合极大bounding box和grid识别的种类，判断图片中有什么物体，它们分别是什么，它们分别在哪。我们刚才说confidence有两个功能，一个是用来极大值抑制，另一个就是在最后输出结果的时候，将某个bounding box的confidencd和这个bounding box所属的grid的类别概率相乘，然后输出。举个例子，比如某个grid中的某个bounding box预测到了一个物体，将这个bounding box送入神经网络（其实是整张图片一起送进去的，我们这样说是为了方便），然后神经网络对bounding box说，你这里有一个物体的概率是0.8.然后神经网络又对grid说，你这个grid里物体最可能是狗，概率是0.7。那最后这里是狗的概率就是 0.8 \times 0.7 = 0.56 。我们在这里就不细讲yolo的网络结构了，相比之下我认为yolo的损失函数的设计更有创见。yolo的损失函数是这样的：\begin{aligned} loss &= \lambda_{\text {coord }} \sum_{i=0}^{S^{2}} \sum_{j=0}^{B} \mathbb{1}_{i j}^{\text {obj }}\left[\left(x_{i}-\hat{x}_{i}\right)^{2}+\left(y_{i}-\hat{y}_{i}\right)^{2}\right] \\ &+\lambda_{\text {coord }} \sum_{i=0}^{S^{2}} \sum_{j=0}^{B} \mathbb{1}_{i j}^{\text {obj }}\left[(\sqrt{w_{i}}-\sqrt{\hat{w}_{i}})^{2}+(\sqrt{h_{i}}-\sqrt{\hat{h}_{i}})^{2}\right] \\ &+\sum_{i=0}^{S^{2}} \sum_{j=0}^{B} \mathbb{1}_{i j}^{\text {obj }}\left(C_{i}-\hat{C}_{i}\right)^{2} \\ &+\lambda_{\text {noobj }} \sum_{i=0}^{S^{2}} \sum_{j=0}^{B} \mathbb{1}_{i j}^{\text {noobj }}\left(C_{i}-\hat{C}_{i}\right)^{2} \\ &+\sum_{i=0}^{S^{2}} \mathbb{1}_{i}^{\text {obj }} \sum_{c \in \text { classes }}\left(p_{i}(c)-\hat{p}_{i}(c)\right)^{2} \end{aligned} 首先， \mathbb{1}_{i j}^{\text {obj }} 代表的是这个grid里有没有物体，如果这个grid没有物体， \mathbb{1}_{i j}^{\text {obj }}=0 ，反之 \mathbb{1}_{i j}^{\text {obj }}=1 。与 \mathbb{1}_{i j}^{\text {obj }} 相反的是 \mathbb{1}_{i j}^{\text {noobj }} ，如果没有物体， \mathbb{1}_{i j}^{\text {noobj }}=1 ，反之 \mathbb{1}_{i j}^{\text {noobj }}=0 。说白了就是，当一个grid有物体的时候，损失函数计算第1，2，3，5项，当grid里没有物体的时候计算第4项。损失函数一共有5项，我们一项一项的分析。首先的是中心坐标的损失函数，用了我们最熟悉的均方误差MSE，这个很好理解。然后是高和宽，没有简单的用MSE，而是用平方根的MSE，这是为什么呢？第一个原因是更容易优化，但是还有更重要的原因：看下面的表格：首先，我们只考虑var1和var2在0和1之间。当var1和var2都很小的时候，也即是w和h都很小，意味着这个物体很小，那么我们应该尽量放大一些损失函数，让模型在识别小物体的时候准确一点。当var1和var2都很大，意味着这个物体也很大，甚至可能已经布满整张图片了，这时我么可以减小一些损失函数，毕竟很大的物体不需要很高的精度。一句话，使用平方根的MSE而不是MSE其实就是像让模型对小尺度的物体更敏感。或者说，对大的和小的物体同样敏感。接下来的三项都使用了MSE，其实用交叉熵可能会更好，但是这些细节就不追究了。其中第4项是用来判断一个bounding box中究竟有没有物体的。接下来的问题是 \lambda_{coord} 和 \lambda_{noobj} 都应该取怎样的值，为什么这样设计？论文中给出的答案是 \lambda_{coord}=5 和 \lambda_{noobj} = 0.5 ，也就是放大第一项和第二项的损失函数，缩小第四项的损失函数。这样做的原因是让梯度更稳定，如果grid中不含有物体，它对1，2，3，5项没有影响，如果调节第四项，会让含有物体的grid的confidence发生改变，这可能使其他项的梯度剧烈变化，从而带来模型上的不稳定。因此，我们放大第一项和第二项，缩小第四项。YOLO的设计虽然精巧，但是还有许多不足的地方，比如一个grid只能识别出一种物体。我们会在YOLO v2和YOLO v3中看到更巧妙的设计。此外，YOLO的bounding box的预测准确度是不如R-CNN这样的Region-based方法的，看YOLO v2里作者们怎么报复回来。编辑于 2022-02-25 19:59计算机视觉深度学习（Deep Learning）目标检测赞同 2182118 条评论分享喜欢收藏申请转载文章被以下专栏收录写给小白的NLP

针锋相对！拜登团队在竞选视频中拿年龄说是优势，特朗普团队火速发视频回击|拜登|特朗普|美国_新浪新闻

新浪首页

新闻

体育

财经

娱乐

科技

博客

图片

专栏

汽车教育时尚女性星座健康

房产历史视频收藏育儿读书

佛学游戏旅游邮箱导航

移动客户端

新浪微博

新浪新闻

新浪财经

新浪体育

新浪众测

新浪博客

新浪视频

新浪游戏

天气通

我的收藏

新闻中心

国际新闻>正文

针锋相对！拜登团队在竞选视频中拿年龄说是优势，特朗普团队火速发视频回击

2024年03月10日 12:10

环球网

缩小字体

放大字体

微博

微信

腾讯QQ

QQ空间

　　【环球网报道】综合美国全国广播公司、《国会山报》等多家媒体报道，美国总统拜登的竞选团队当地时间9日在社交媒体上发布了一段竞选宣传视频，拜登在视频中承认自己“已经不是年轻人”，但随后称自己知道如何为美国民众办事，以此将年龄作为一种优势。对此，美国前总统特朗普的竞选团队随后用一段视频回击，视频内容为拜登此前骑自行车时摔倒等画面。

　　《国会山报》提到，拜登竞选团队本周早些时候宣布，将对包括密歇根州、宾夕法尼亚州在内多个州的选民开展为期6周的宣传活动。报道说，作为此项活动的一部分，该团队当地时间9日在社交媒体上发布了一段宣传视频。

　　报道描述说，拜登在这段60秒的视频中提到自己的年龄，他在视频刚开始部分称，“看，我已经不是年轻人了。这不是什么秘密”。然后，他接着说，“但情况是这样的，我知道如何为美国民众办事”。

　　报道说，拜登随后在视频中提到拜登政府在基础设施建设、医疗等领域所做的工作，并对特朗普进行批评。“唐纳德·特朗普认为总统的工作就是照顾唐纳德·特朗普。”拜登称，“我认为总统的工作就是为美国民众而战斗，这就是我正在做的事情。”

　　据美国全国广播公司报道，视频最后还出现一段花絮，镜头外有人问拜登，“我们能否再拍一次？”对此，拜登在镜头前开玩笑说，“看，我很年轻、精力充沛、帅气。我到底为什么要这么做？”

　　《国会山报》报道说，特朗普竞选团队9日晚些时候在社交平台上分享一段视频，回击拜登。这段视频的主题为“不是年轻人”，时长48秒。

　　报道描述说，视频开始部分与拜登竞选团队的视频一样，即拜登对着镜头说，“看，我已经不是年轻人了”。接下来，视频中显示拜登此前出席美国空军学院毕业典礼时摔倒、骑车时从自行车上摔下、结束演讲后似乎对着空气“握手”等画面。

　　综合《国会山报》等媒体报道，拜登现年81岁，正在寻求连任的他正面临有关年龄、认知能否胜任总统工作的质疑。

　　美国十几个州和领地3月5日举行2024年总统选举“超级星期二”党内初选。拜登在亚拉巴马州等多个州的民主党初选中胜出，特朗普在缅因州等多个州的共和党初选中胜出。美联社5日称，拜登和特朗普都有望获得各自党派总统候选人的提名。据媒体推断，拜登和特朗普可能在3月19日便锁定提名总统候选人所需代表人数。但美国公共事务研究中心一项最新民调显示，多数受访美国民众认为，两人都难以胜任总统。

点击进入专题：

美国大选拉开序幕

责任编辑：崔理斯

关键字 :

拜登特朗普美国