自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(8)
  • 收藏
  • 关注

原创 剑指offer中使用的C++知识

栈:建栈:stack<int> a;出栈:a.pop(); //出栈没有返回值,只能用top查看栈顶。入栈:a.push(value);查看栈头:a.top();查看是否为空:a.empty();vector:初始化:vector<int> a;添加:a.push_back(value); //不能直接赋值查看最后一位:a.bac...

2018-12-30 18:57:38 183

原创 稀疏性的优点

稀疏指的是参数或者数据中零的个数,零的个数越多,参数或者数据就越稀疏.这种稀疏性带来许多优点.参数稀疏有什么好处1)特征选择(Feature Selection): 大家对稀疏规则化趋之若鹜的一个关键原因在于它能实现特征的自动选择。一般来说,xi的大部分元素(也就是特征)都是和最终的输出yi没有关系或者不提供任何信息的,在最小化目标函数的时候考虑xi这些额外的特征,虽然可以获得更小的训练误...

2018-12-23 20:51:59 15857

原创 focal loss

Focal Loss for Dense Object Detection首先,需要了解交叉熵是怎么工作的:  https://blog.csdn.net/tsyccnh/article/details/79163834本文的核心公式如下:借用上面博客中的概率表:* 猫 青蛙 老鼠 Label 0 1 0 Pred 0.3 ...

2018-12-22 15:47:27 409

原创 SPP: Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition

为了适应不同大小的图片, 该篇论文使用池化层将卷积得到的特征图池化成固定大小例如使用三层池化的SPP采用了三个卷积核大小,卷积核大小为图像大小除以1,4,16,这样就可以获得固定特征大小为1,4,16.然后将特征图累加成长度为21一维特征.最后放入fc,就解决了输入大小不一致的问题 class SPPLayer(nn.Module): def __init__(self...

2018-12-21 21:09:49 214

原创 dropblock 实现

 DropBlock: A regularization method for convolutional networksDropBlock 由原本的Dropout的随机丢弃点改变为丢弃整个块,如上图所述。该论文认为随机丢弃的像素点(其实是特征图的一个点)可能会由他附近的点的关联信息所表示出来,这样就起不到原本想要的正则效果,因此直接丢弃一个块。 方法如下 输入大...

2018-12-19 10:46:55 2728

转载 转:python 修改list,dict,set等容器中元素

原文链接:https://blog.csdn.net/weixin_35576881/article/details/84921679本文为自学使用,请直接到原文查看问题1: 将列表c添加到列表a,b之中,修改c中的值,a,b会变化吗?a = list()b = list()c = [2,3]a.append(c)b.append(c)print(a,b) 输出:...

2018-12-11 10:46:16 644

原创 [x y w h]转化为[ymin xmin ymax xmax]

bbox[:, 2] = bbox[:, 0] + bbox[:, 2]bbox[:, 3] = bbox[:, 1] + bbox[:, 3]bbox[:, [0, 1]] = bbox[:, [1, 0]]bbox[:, [2, 3]] = bbox[:, [3, 2]]首先,将x和y分别加上w,h 变为xmax 和ymax然后,交换列完成...

2018-12-09 21:00:41 3123 1

原创 string 坐标转为numpy格式坐标 (从txt文本中读取坐标)

f = open(datapath,"r")a = f.readline()x = a.split()x = [int(x) for x in x if x]bbox = np.stack(x).astype(np.float32)首先,读取4位坐标(x y w h)再把读取的坐标按空格分开然后转为list数组最后转为numpy格式...

2018-12-09 20:57:17 1066 1

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除