Algorithm OD算法的训练与测试

嗨，
我正在研究特定于目标检测算法的图像处理。
我经常遇到两个术语，称为图像的训练和测试。
我也读了一些关于这方面的文章，但没有完全理解目标检测中的这些术语

我们中的一些人能否用简单的语言解释这些术语：

1)Training of Algo
2)Testing of Algo

Tr，

---

Ashwin

大多数机器学习算法可以分为三个阶段。培训阶段、验证阶段（可选）和测试阶段

在训练期间，算法的参数从给定的训练数据集学习（在监督学习的情况下）。通常，这个训练数据集由算法的输入和输出组成（因此算法应该对某个输入做什么）。在对象检测中，这可以标记为图像（图像的哪些区域对应于哪些对象）。由于有各种算法，学习的参数也会有所不同。在神经网络的情况下，边的权重正在学习

测试就是算法的实际执行。您提供输入，算法根据训练阶段的学习参数计算输出。对于对象检测，输入可能是图像，输出可能是每个像素的标签

---

训练后可以使用验证来概括参数（即避免过度拟合）。

，我不理解您的说法：“通常，此训练数据集由算法的输入和输出组成（因此算法应如何处理特定输入）”……如果我有输入也有输出，那么算法的用途是什么……意味着algo将从中学习什么？？？大多数算法只是需要参数才能工作的空壳。训练阶段可用于学习诸如“如果黑色像素旁边有白色像素，则该像素属于对象x”之类的内容。当然，仅当训练图像具有此属性时。然后在测试中,，该算法可以检查该属性并识别像素是否为对象x。感谢Nico。现在我明白了培训什么都不是，但我告诉该算法这是一个carrrr…这不是一辆车…等等。提供大量输入/图像以了解该算法感兴趣的对象是什么。在测试中，我检查了我的算法将对象作为汽车或非汽车项目进行检查！！！！不客气。我注意到你没有接受任何问题的答案。请确保通过单击旁边的复选标记接受解决问题的答案。这让其他用户知道问题已经解决。此外，您还感谢回答者的帮助。如果您愿意，您可以通过向上投票来进一步感谢答案。感谢您提醒这一点。.之前我没有足够的凭据接受回复作为我的查询的解决方案。但我想现在我可以做到了。…）