その他令和8年7月23日

データ预处理与基于深度学习的目标检测算法

掲載日
令和8年7月23日
号種
政府調達
原文ページ
p.37
出典：官報発行サイト（内閣府）の掲載情報をもとに整理しています。重要な確認は公式原文を基準にしてください。

本文と原文の対照

まず左側の本文を読み、必要な箇所だけ原文ページで確認できる構成です。

← 同日の官報に戻る
原文対照の表示オプション

データ预处理与基于深度学习的目标检测算法

令和8年7月23日|p.37|原文を見る

左の本文を選ぶと、右側の官報原文画像で該当箇所を照合できます。

公式原文あり本文テキスト画像照合可誤りを報告
在训练模型之前，需要对数据进行预处理。首先，将数据集划分为训练集和测试集，其中训练集用于模型的训练，测试集用于评估模型的性能。
其次，对文本数据进行清洗和标准化处理。这包括去除特殊字符、标点符号和停用词，以及将文本转换为小写形式。此外，还需要对文本进行分词处理，将其拆分为单词或短语序列。
最后，将文本数据转换为数值表示形式。常用的方法包括词袋模型（Bag of Words）、TF-IDF（Term Frequency-Inverse Document Frequency）和词嵌入（Word Embedding）。这些方法可以将文本数据转换为固定长度的向量，以便输入到机器学习模型中进行训练。
随着深度学习的发展，基于深度学习的目标检测算法逐渐成为主流。
根据是否使用候选区域，可以将基于深度学习的目标检测算法分为两类：
（1）基于候选区域的算法：这类算法首先生成一系列可能包含目标的候选区域，然后对这些区域进行分类和回归。典型的算法有 R-CNN、Fast R-CNN、Faster R-CNN 等。
（2）基于回归的算法：这类算法直接将目标检测问题转化为回归问题，不需要生成候选区域。典型的算法有 YOLO、SSD 等。
読み込み中...
データ预处理与基于深度学习的目标检测算法 - 第37頁
テキスト領域
選択中
非公開 (PII)
関連する新着公告を見逃さないために

Pro プランでは会社名・機関名・キーワードを監視条件として保存し、新着掲載を継続確認できます。14日間無料で試せます。

監視機能の詳細を見る →