【过一下5】深度学习与计算机视觉课件 (完)

早上

每天一道题——找树最底层的最左子树
他们又是什么dfs bfs 我都搞不灵清的,就用最笨最耗空间的方法,层序遍历,然后输出遍历数组最后一行的的第一个元素

对lol的瘾是真的大
早上来了一个小时

10-11 图像分割&目标检测

视觉识别
四个熟悉名字的任务
分类就分类

语义分割

——给像素分类

思路

在这里插入图片描述
但是如果这样全卷积的话,要一直保持这样的高分辨率
在这里插入图片描述
所以就转一下转一下,中间偷工减料一点
在这里插入图片描述
有趣
在这里插入图片描述有点小迷糊
这个知识点说的啥,还有底下的的行列式计算(呕)
在这里插入图片描述

目标检测

在这里插入图片描述在这里插入图片描述在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
帧nb,这两个图

rol pool 区域裁剪
在这里插入图片描述
区域裁剪:Rol Align
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
来了来了,就是这个 阶段 。终于到yolo了,就是为了这点醋,包了一锅饺子
在这里插入图片描述
这个我熟呀,5B就是x,y,h,w,c。C是类型的分数(上面都说了)

在这里插入图片描述
早上看到知乎上说计算机视觉研究现状的一条评论——“请添加图片描述

实例分割

在这里插入图片描述
在这里插入图片描述
那这么看来 openpose算是实例分割?(搭建人体骨骼框架 也算分割吧)

12可视化

(老师直接用的李飞飞老师的课件,又回到了英文ppt的痛苦中,虽然我又给翻译了)
在这里插入图片描述
在这里插入图片描述
这是慢的,就是从随机噪音开始亿点点的欺骗神经网络。
在这里插入图片描述
快一点就直接从原图开始

13-14生成模型

监督学习

在这里插入图片描述

生成模型

在这里插入图片描述
在这里插入图片描述

PixelRNN and PixelCNN

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

Variational Autoencoders(VAE)

在这里插入图片描述

Generative Adversarial Networks(GAN)

在这里插入图片描述
g

之后

去看了之前有点印象的《xx程序员》综艺,看完《燃烧吧 天才程序员》一季,发现还出了第二季。就都看了。关于网络攻防的看的晕晕乎乎,第一季的yolo faster-RNN 确是挺熟悉的(也仅限于听起来)。第二季的应用问题——反欺诈识别,则明确提到了特征工程,树模型,等等。感觉离我很近,但又很远。菜菜的课,一会复习一下。

晚上最后一集更新了,task4。看别人努力的获取奖项,真是羡慕。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值