你好啊：）-CSDN博客

原创【数据结构】07 排序

排序基本概念：算法稳定性质：若待排序表中有两个元素$R_i $ $R_j $ ，对应关键字是keyikey_ikeyi keyjkey_jkeyj ，且排序前$R_i $在 $R_j $ 的前面，若排序后相对位置依旧变，则称这个排序算法是稳定的，反之是不稳定的。插入排序：直接排序直接插入排序折半插入排序希尔排序：先将待排序表分割成若干个形如L[i,i+d,i+2d,...,i+kd]L[i, i+d, i+2d ,..., i+kd]L[i,i+d,i+2d,...,i+kd] 的

2021-12-11 17:06:08 816

原创【数据结构】06 查找

查找查找的基本概念平均查找长度：ASL=∑i=1nPiCiASL={\sum}_{i=1}^{n}P_i C_iASL=∑i=1nPiCinnn为查找表的长度PiP_iPi为查找第iii个元素的概率，一般认为每个元素查找概率相同CiC_iCi是找到第iii个元素所需进行比较的次数顺序查找没什么折半查找基本思路：将给定的key值与表中间位置元素的关键字比较，若成功，则返回该元素的存储位置，若不等，则所需查找元素只能在中间元素以外的前半部分或者后半部分int Binar

2021-12-11 09:51:07 391

原创【数据结构】05 图

05 图01 图的基本概念图的定义：由顶点集VVV 和边集EEE 组成，记为G =(V, E)G\ =(V, \ E)G =(V, E)类型：有向图无向图简单图：不存在重复边，不存在顶到到自身的边多重图：图GGG 中某两个结点之间的边数多于一条，又允许顶点通过同一条边和自己相关联完全图：无向图中任意两个顶点都存在边，有向图中任意两个顶点之间都存在方向相反的两条弧02 图的存储和基本操作邻接矩阵表示法：A[i][j]= {

2021-12-09 10:12:48 757 1

原创【目标检测】YOLO系列总结

YOLO系列总结反思回顾了一下之前看过的YOLO系列，本来想自己从头写一个博客，后来发现大佬都写的极其好了，就变成了阅读笔记。深度学习论文学习流程：首先搜索一下相关的论文讲解在对原论文进行学习代码核心部分：网络搭建数据处理lossYOLO系列理论：各个系列的YOLO资源如下：01 YOLOV1YOLO系列-霹雳吧啦Wz很好的初步理解，并且可以结合原文有一下补充讲解。YOLOV1-木盏输入图片划分为7×77 \times 77×7网格,对每个网格单独进

2021-12-07 17:14:19 5002 2

原创【数据结构】04 树与二叉树的应用

树与二叉树01 树的基本概念树的定义：树是n(n>=0)n(n>=0)n(n>=0)个结点的有限集合， n=0n =0n=0时为空树，这是一种特殊情况，在任意空树中应该满足：有且只有一个特定的称为根的结点当n>1n>1n>1时，其余结点可分为m(m>0)个互不相交的有限集合T1,T2,.....Tm{T}_{1},{T}_{2},.....{T}_{m}T1,T2,.....Tm其中每个集合本身又是一棵树，并且称为根结点的子树树结构有两个特点：

2021-12-06 10:21:32 572

原创【数据结构】 03 栈与队列

03 栈和队列栈（顺序栈）定义：只允许在一端进行插入或者删除的线性表# define MaxSize 50 //定义栈中的最大元素typedef struct{ Elemtype data[MaxSize]; //存放栈中元素 int top; //栈顶指针}SqStack;基本操作：InitStack(&s): 初始化一个空栈StackEmpty(s): 判断一个栈是否为空Push（&s,x）: 进栈Pop(&s, &amp

2021-12-04 22:10:05 299

原创【数据结构】02 线性表（二）

链表单链表线性表的链式存储称为单链表定义：每个链表节点除了存放自身信息以外，还存放指向后继节点的指针。// 单链表的结构类型typedef struct LNode{ ElemType data; //数据域 struct LNode *next; //指针域}LNode, *LinkList带头节点的指针好处：由于开始节点的位置被存放到头结点的指针域中，所以在链表的第一个位置上操作和在表的其他位置上的操作一致，无需特殊处理无论链表是否为空，其头指针都

2021-11-30 21:31:38 439

原创【数据结构】02 线性表（一）

线性表线性表的定义和操作线性表的定义：具有相同数据类型n（n>=0）个数据元素的有限序列，其中n为表长，当n=0时为空表。L=(a1,a2.......an)L = (a_{1}, a_{2}.......a_{n})L=(a1,a2.......an) 为线性表的一般表达式a1{a_{1}}a1 是唯一的第一个元素（表头元素）；除去第一个元素外，每个元素有且仅有一个直接前驱an{a_{n}}an 是唯一的最后一个元素（表尾元素）；除去最后一个元素外，每个元素有且仅有一

2021-11-29 21:48:36 676

原创【看看这长尾学习】解耦训练 Balanced group Softmax

04 Overcoming classifier imbalance for long-tail object detection with balanced group softmax论文观点和表现：现有检测方法在数据集严重倾斜时不能对极少数类进行建模，这导致分类器在参数量级上不平衡。并且长尾分类模型并不能直接应用于检测框架。本文提出了一个新的平衡组（BAGS）模型来平衡检测框架内的分类器，能够隐式的调制尾部和头部类别的训练过程并且确保训练充分（没有对尾部实例进行额外的采样）...

2021-11-25 19:45:24 888

原创【数据结构】01 基本概念

01 绪论涉及数据结构相关概念和术语、数据结构的三要素（逻辑结构、物理结构、数据运算）、时间复杂度和空间复杂度的计算数据结构的基本概念基本概念和术语:数据：数据是信息的载体，是客观事物属性的数、字符及所能输入到计算计并处理识别的符号的集合。数据元素：是数据的基本单元，通常作为一个整体进行考虑处理。数据项：是数据元素的不可分割的最小单位数据对象：具有相同性质的数据元素的集合数据类型：原子类型：其值不可再分的数据类型结构类型：其值可以再分解为若干成分的数据类型抽象数据类型：抽象数据组织

2021-11-25 11:30:58 423

原创【看看这长尾学习】Focal Loss其实也是长尾学习的思路

Focal Loss for Dense Object DetectionFocal loss 原文地址，推荐结合阅读！焦点损失（Focal loss）的提出的观点是：作者发现单阶段的检测方式（SSD or YOLO）相对于两阶段检测（Faster-RCNN）的检测速度是很快，但是准确率不足。为什么呢？作者认为是因为样本类别不均衡问题样本类别不均衡包含前后背景的样本不均衡（目标检测会生成很多的候选区域，但是实际包含目标的很少，所以前后背景的样本数目分布不均）也包括其他类别的影响（这里借用

2021-11-24 09:58:18 868

原创【看看这长尾学习】Re-Weight EQLv2

Equalization Loss v2: A New Gradient Balance Approach for Long-tailed Object Detection论文观点与表现：长尾学习的问题是正负样本梯度不平衡导致的EQLV2是一个梯度调整机制，能够独立和公平的重新平衡每个类别三个思考:梯度调整机制怎么调？独立平衡每个类别，是如何做到的？公平的平衡方法，怎么样实现并且对于头部数据影响如何？实现原理：EQLossv2的实例和任务：一个实例有1个正标签、有

2021-11-22 21:27:07 1052

原创【看看这长尾学习】Re-Weight方法 EQLloss

阅读论文：Equalization loss for long-tailed object recognition论文观点与表现：每一个类的正样本能够被视为其他类别的负样本，这样会导致尾部数据类别非常不佳的梯度。通过忽视上述中的稀有类别的梯度，使得EQLoss在劣势中学习稀有类别信息。降低了负样本梯度的影响，对比正常情况负样本累计梯度下降明显：尾部类别的置信度分数相比原来也有不错的提升（头部类别相比变化不大，一小部分有所下降，但也有一小部分提升），说明网络能够有效的关注到尾部类别的分类：

2021-11-19 21:54:15 2641

原创【看看这长尾效应】长尾效应综述

Deep Long-Tailed Learning: A Survey引言长尾学习介绍三级目录Deep Long-Tailed Learning: A Survey-论文地址引言长尾数据是指数据失衡，数据集中类别数量存在分布不均衡问题，典型的长尾数据集数据分布如下图所示：长尾学习在数据分布不平衡的情况下，能够训练良好的深度学习模型。在长尾数据集中，通用的视觉识别模型容易偏向Head部数据，而忽视tail数据。长尾数据的学习研究主要分为三大类：- 类重新平衡（class re-balanc

2021-11-16 08:52:26 2497

原创【深度学习小知识】K-means聚类

K-means聚类及相关理论介绍什么是K-Means聚类方法二级目录什么是K-Means聚类方法将Kmeans聚类分为两部分进行介绍：聚类：所谓聚类就是将数据集中的数据，根据某部分特性进行类别的划分。聚类流程：- 数据准备，将需要聚类的数据集进行一些预处理，如归一化、正则化、降维等- 特征选取，定义需要聚类的特征，比如狗的分类中，都有尖尖的耳朵。- 特征提取，提取到关键的特征- 聚类，根据类似特征，对数据进行分类- 效验，对最终聚类的结果进行效验并调整Kmeans：kmeans就是经典

2021-10-26 09:12:21 1509

原创【深度学习小知识】目标检测中的IOU、GIOU、DIOU、CIOU、EIOU等理论解析

IOU、GIOU、DIOU、CIOU解析IOUIOU原理IOU LossIOU存在问题GIOUGIOU原理DIOUCIOU首先明确IOU系列的提出原因，即衡量预测框与真实框的关系。IOUIOU原理图中，红色框表示为预测框，绿色表示为真实框（标注框）。IOU就是计算真实框与红色框的交并比，具体流程如下：计算真实框与预测框的交集计算真实框与预测框的并集计算交并比IOU Loss明白IOU原理后，进一步看一下IOU loss：IOU loss 将四个点构成的bbox,作为

2021-10-11 10:15:21 10822 6

原创【晕头晕脑的Python】Python中Reshape函数解析

Reshape函数解析Reshape()作用：Reshape()实例说明：一维reshape() 为二维二维数组 reshape 切片，逆置Reshape()作用：Reshape（），函数的作用就是将数据的按照既定的维度进行整理。reshape(M，N)：可以将数据整理为M X N的大小。reshape(M, N)[:,:,:] :”[ ]“ ,方括号可以对而外的 M x N 维度的数据进行顺序的排布。Reshape()实例说明：初期数据及库准备：import numpy as np

2021-09-23 16:18:37 8690 1

原创【目标检测】YOLOV4网络结构解析--不断后续补充

YOLOV4网络结构解析Darknet53YOlOv4网络组成InputCSPDarknetNeckHeadYOLOV4整体结构图和细节图Darknet53Darknet53是YOLOV3的骨干网络结构，因为网络有53层卷积层，所以名为Darknet53。YOlOv4网络组成YOLOV4原论文中对现有的目标检测网络结构进行了归纳，分为四部分：Input----网络的输入Backbone—用来从输入图形中提取特征Neck----对骨干网络提取的特征进行加工，多为特征融合等方式Dense/S

2021-09-20 20:25:37 1215

原创【深度学习小知识】ROI到ROI pooling 再到ROI Align

ROI！RoI Pooling！ROI详解RoI Pooling详解Pooling操作ROI poolingROI Align详解ROI详解Region of interest(ROI),中文译为感兴趣区域。在计算机视觉领域，从输入的图像中框选处理待处理的区域就是ROI。ROI / Region proposals大致过程：输入一张图片在图片中找到物体/目标（objects）的所有位置输出/获得这些一系列的objects的bounding box.RoI Pooling详解Pooli

2021-09-10 15:46:27 6936

原创【深度学习小知识】训练与推理阶段

神经网络的训练与推理阶段训练阶段推理阶段训练阶段训练阶段：是神经网络在输入数据，通过数据和对应标签不断调整权重的过程，即生成模型的过程。推理阶段推理阶段：当网络训练完毕后（权重不更新），输入数据后神经网络对其进行处理（比如输入猫的图片，神经网络将图片分类为猫），即模型开始工作进行预测。...

2021-09-07 15:21:45 2869

原创【深度学习小知识】sigmoid和softmax的纠葛

Sigmoid 与 Softmax 详解Sigmoid是什么？Softmax是什么？Sigmoid是什么？首先看一下sigmoid的函数表达式和对应函数图像，会发现sigmoid函数的可以将输入的值限定在(0,1)之间。下面是sigmoid的函数表达式：这里只用python实现sigmoid函数图形：实现代码如下：import matplotlib.pyplot as plt import numpy as npx = np.arange(-10,10,0.2)y = 1.0 /(1.

2021-09-07 14:57:34 358

原创【目标检测】SSD总结

链接：SSD论文链接009.SSD????论文题目SSD: Single Shot MultiBox Detector????‍????作者Wei Liu, Dragomir Anguelov❓四个问题❔要解决什么问题？❔使用什么方法解决问题？❔实际效果如何？❔还存在什么问题？✨论文概述????1.AbstractSSD将边界框的输出空间离散化为一组默认框，每个特征图位置的纵横比和比例都不同。在预测时，网络为每个默认框中存在的每个对象类别生成分数，并对框进行调整以更好地匹配对象形状

2021-03-03 10:59:57 279

原创【目标检测】YOLT论文总结

YOLT论文总结链接以下为总结内容！推荐通过链接进行阅读08.YOLT????论文题目You Only Look Twice: Rapid Multi-Scale Object Detection InSatellite Imagery????‍????作者Adam Van Eten❓四个问题❔要解决什么问题？解决在卫星图像上进行目标检测，为卫星图的目标检测和常见的目标检测场景最大的区别在于卫星图像本身尺寸很大（比如16000*16000），其次目标尺寸非常小而且常常聚集在一起。对于通用

2021-02-23 10:42:28 753

原创【目标检测】深度学习代码框架解析

笔记链接：代码结构分析以下为笔记内容：目标检测一般代码结构以陈云—<深度学习框架PyTorch入门与实践>中猫狗大战实例进行，有兴趣可以看博客中pytorch入门推荐，有相关资源推荐！陈云的链接------资源链接程序功能：一般文件组织结构：├── checkpoints/ # 用于保持训练的模型├── data/ #　数据相关操作，数据预处理，dataset实现等│ ├── init.py│ ├── dataset.py│ └── get_data.sh

2021-01-30 19:59:07 476 1

原创 pytorch学习资料（Pytorch最好的入门资料！）

个人感觉…写过了pytorch总结，也看过不少！最后还是觉得陈云开源的pytorch学习资料最合适。深度学习框架入门PYtorch最全，最合适初学pytorch的入门者。现在各种博客有关pytorch的教学，大都依托于此。相较他人总结之后的笔记，我更加推荐此资料，有相关书籍出版并且更加的系统！！！深度学习框架pytorch入门与实践相关学习资料见笔记链接附件！！！笔记链接：Pytorch最好的入门资料原作者开源地址：陈云pytorch开源地址...

2021-01-25 17:10:15 779

原创【pytorch 3.2 autograd】autograd总结

笔记链接：Autograd链接以下为笔记内容3.2 Autogradtorch.autograd是为了方便用户计算，专门开发的一套自动求导引擎，能够根据输入与前向传播过程自动构建计算图，并执行反向传播.3.2.1 Variablefrom future import print_functionimport torch as tfrom torch.autograd import Variable as V“”"--------------------"""从tensor中创建Variab

2021-01-25 16:53:24 328

原创【Pytorch-3.1 Tensor】tensor概况

笔记链接：tensor总结推荐使用链接文章内容大致讲了Tensor的主要应用，实际上与NUmpy相差不大

2021-01-24 20:01:36 87

原创【目标检测】Fast-RCNN

笔记链接：Fast-RCNN总结以下是笔记内容，推荐使用链接阅读07.Fast-RCNN????论文题目Fast Rcnn????‍????作者Ross Girshick:以开发R-CNN(基于区域的卷积神经网络)方法来检测对象而闻名。2017年，Ross还凭借《Mask R-CNN》与何恺明齐获在ICCV获得马尔奖。❓四个问题❔要解决什么问题？基于RCNN体现的问题进行改进。RCNN的问题：多阶段训练模式：首先使用log losss对Convnet进行微调，然后使用SVMs对Conv

2021-01-24 19:56:33 167

原创【目标检测】Rcnn总结

笔记链接：https://thoughts.teambition.com/share/600937eda49b45004647d956#title=06.RCNN下面是笔记内容，推荐用链接观看！06.RCNN????论文题目Rich feature hierarchies for accurate object detection and semantic segmentation????‍????作者Ross Girshick:以开发R-CNN(基于区域的卷积神经网络)方法来检

2021-01-21 16:15:39 1275

原创【Pytorch学习-2】pytorch入门

本笔记实现了入门部分的全部代码，一定是跑的通的！！！(使用Jupyter notebook)认真排版好的笔记链接：pytorch入门笔记以下是笔记的内容，推荐使用链接观看：2 Pytorch快速入门2.1 入门第一步2.2.1 TensorTensor是Pytorch中的数据结构，可以认为是高维数组，Tensor和numpy中的ndarrays相似，但是Tensor可以使用GPU加速！Tensor的基本用法：from future import print_functionimport

2021-01-18 19:10:39 246

原创 window下Pytorch安装/ubuntu下安装pytorch/Linux安装pytorch

个人笔记链接：Linux/window下安装Pytorch就是其实整体来说都是简单的，就是开始自己安装的时候比较困难，你碰到问题就多去百度什么的搜索，折磨一下就好慢慢会了！共勉！你看看我，这不是参考了无数先辈的经验总结吗，哈哈哈。这简简单单引用的博客都5.6篇了，别放弃！有问题可以评论留言，尽量解决！笔记的主要内容（推荐链接阅读）Linux/window下安装Pytorch为了方便管理Pytorch，在安装Pytorch之前应当安装好Anaconda（博客很多也很简单）。整体来说非常简单！检

2021-01-12 11:57:23 215 1

原创【Pytorch学习-1】pytorch简介

个人笔记链接：Pytorch简介以下是个人笔记的内容，推荐使用链接阅读1 Pytorch简介1.1 Pytorch的大概Pytorch不是简单的封装 Lua Torch 提供Python接口，而是对当下tensor之上的模块进行重构，并增加了最先进的自动求导系统，成为当下最流行的动态图框架。PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发，不仅能够实现强大的GPU加速，同时还支持动态神经网络，这一点是现在很多

2021-01-12 11:28:27 433 1

原创【目标检测】YOLOV4总结

个人笔记在另外一个平台：YOLOv4所以研究人员的作品*#PS：推荐使用连接阅读*以下是笔记内容的直接复制粘贴内容，没有排版：04.YOLO-V4????论文题目YOLOv4: Optimal Speed and Accuracy of Object Detection????‍????作者Alexey Bochkovskiy and Chien-Yao Wang❓四个问题❔要解决什么问题？在YOLOV3现有的基础上提高在方面的总体性能（主要是在维持较高检测速度的情况下提高检测精度）

2021-01-11 22:27:30 1373

原创【目标检测】目标检测训练方法总结

笔记连接：训练方法总结–持续看能力更新完善以下大概是要更新的东西和框架，现在就是开一个坑。等我变强了一点，能够说清楚具体的东西就慢慢完善细化内容卷积神经网络常用训练方法框架图----源于YOLOv4原文中截图激活函数1.1 ReLU是什么：特点：1.2 leaky-ReLU是什么：特点：1.3 parametric-ReLU是什么：特点：1.4 ReLU6是什么：特点：1.5 SELU是什么：特点：1.6 Swish是什么：特点：1.7 Mish是什么：特

2021-01-11 21:27:58 669 1

原创【目标检测】目标检测通用框架总结

笔记观看链接：目标检测框架个人总结（PS:推荐是使用笔记观看链接进行阅读,因为很懒不想在博客再排一次版）以下是笔记中包含的内容：目标检测网络框架总结（YOLOV4中有图）从最开始的神经网络到现在深度更深，模块更多的目标检测深度学习神经网络，如今大致可以分为Two-Stage-Detector (典型的为RCNN系列论文)和 One-Stage-Detector（典型为YOLO系列论文），每个网络有可以细分为如下图所示结构：输入（Input）：图像、图像金字塔等；骨干网络（Backbone）：

2021-01-11 10:26:21 2034 2

原创【目标检测】YOLOv3总结

本文笔记链接（建议使用链接观看）：Yolov3总结链接以下为笔记基本内容样例03.YOLOv3????论文题目YOLOv3: An Incremental Improvement????‍????作者Joseph Redmon:YOLO系列的主要作者❓四个问题❔要解决什么问题？在YOLOv2的基础上更强更好，同时对YOLOv2中的一些模块进行改进，并且尝试将其他作者提供的一些新的想法融入YOLOv3中。❔使用什么方法解决问题？DarkNet-53的具体结构：在DarkNet-19上进

2021-01-09 22:10:47 843

原创【目标检测】 YOLOv2总结

以下为笔记相关链接：YOLOv2个人总结以下为文章叙述部分大致内容：01.YOlO-v2????论文题目Yolo 9000：Better,Faster,Stronger????‍????作者Joseph Redmon:YOLO系列的主要作者❓四个问题❔要解决什么问题？在YOLOv1的基础上解决小目标检测精度、定位信息错误及综合性能的提升（mAP与FPS的综合考虑）。❔使用什么方法解决问题？❔实际效果如何？❔还存在什么问题？依照YOLOv3的改进方向，YOLOv2在一下几个方面有待改

2021-01-08 22:32:50 276

转载深度学习中的先验与后验问题

先验与后验其实在论文中看到的prior、posterior 和 likelihood 是贝叶斯统计模型的几个核心要素。prior 和 posterior 都是关于参数的分布。1. prior 是我们所假设的参数本来的分布。2. posterior 则是在观察到训练数据之后得到的条件分布。3. likelihood 则完全不一样，一方面它是关于数据的，另一方面它没有被归一化，所以也并不是一个合法的概率分布。任意一个未知量都可以看做一个随机变量，这个随机变量服从某种概率分布，也就是从某一个

2021-01-03 11:22:51 3288

原创【目标检测】YOLOv1总结

yolov1个人学习笔记笔记内容：主要是关于yolo论文的概述以及文章的主要思路，阅读前一定要自己进行全文的阅读（个人认为是借鉴作用），另外因为个人水平问题可能写的不够完善，之后会进行陆续的补充笔记链接：Yolov1笔记Faster-rcnn笔记链接：Faster-Rcnn笔记...

2020-12-29 09:32:02 296

原创（Ubuntu/Window）pytorch验证（pytorch是否安装成功）

验证pytorch是否可用（CPU/GPU）以下是pytorch是否安装成功的验证代码，看到没有报错正常输出了，那就要恭喜你完成小白的第一步了！分享一下：在确定你自己显卡驱动后，其实可以通过Pytorch官网的命令直接进行pytorch(GPU/CPU)两个版本的安装，安装失败基本是网络问题！pip install -i “豆瓣源” ---->>>>(可以用这总方式u进行)GPU上测试import torch # 能否调用pytorch库print(torch

2020-12-26 17:16:12 20013 11

空空如也

空空如也