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

-+

阿木寺的博客

授人以鱼,不如授人以渔

  • 博客(6)
  • 资源 (6)
  • 收藏
  • 关注

原创 CVPR 2018 目标检测(Object Detection)总览

http://www.tongtianta.site/group?group_id=1 https://blog.csdn.net/u014380165/article/details/80784147《An Analysis of Scale Invariance in Object Detection - SNIP》arXiv:https://arxiv.org/abs/1711.0...

2018-07-21 14:41:46 3492

原创 C++ vector中的resize,reserve,size和capacity函数讲解

前言在介绍resize(),reserve(),size()和capacity()函数之前,先简单介绍一下c++中vector的概念。vector:顺序容器(可变大小数组)。支持快速随机访问。在尾部之外的位置插入或删除元素可能很慢。既然vector是个容器,那么一定相关特性,如添加元素、删除元素和查询容器大小等操作。本文重点介绍vector中的resize(),reserve(),si...

2018-07-18 22:26:20 56524 12

原创 一文读懂卷积神经网络中的1x1卷积核

前言在介绍卷积神经网络中的1x1卷积之前,首先回顾卷积网络的基本概念[1]。卷积核(convolutional kernel):可以看作对某个局部的加权求和;它是对应局部感知,它的原理是在观察某个物体时我们既不能观察每个像素也不能一次观察整体,而是先从局部开始认识,这就对应了卷积。卷积核的大小一般有1x1,3x3和5x5的尺寸(一般是奇数x奇数)。卷积核的个数就对应输出的通道数(chan...

2018-07-18 00:34:50 38395 5

原创 R-CNN论文笔记

R-CNN《Rich feature hierarchies for accurate object detection and semantic segmentation》 CVPR 2014arxiv: http://arxiv.org/abs/1311.2524supp: http://people.eecs.berkeley.edu/~rbg/papers/r-cnn-cv...

2018-07-17 14:44:09 1384

原创 Markdown在线、离线编辑器与使用教程

Markdown对于一个程序员来说,是加分项,因为如果你有GitHub,那么你一定有切身体会。本文主要介绍Amusi常用的在线Markdown工具、离线Markdown工具和Markdown使用教程三个部分。其中并没有介绍很多知名的软件,如Windows下的MarkdownPad和MarkPad、Linux下的ReText和Mac下的Mou,不是因为这些软件不够好,而是不够灵活、便捷。相信...

2018-07-14 14:09:33 3626 1

原创 目标检测(Object Detection)算法合集(持续更新ing)

object-detectionThis is a list of awesome articles about object detection.R-CNNFast R-CNNFaster R-CNNLight-Head R-CNNCascade R-CNNSPP-NetYOLOYOLOv2YOLOv3YOLTSSDDSSDFSSDESSDMDSSDPel...

2018-07-14 13:38:47 7292 1

计算机视觉中的多视图几何(中文版)

《multiple view geometry in computer vision》中文版

2018-01-23

机器学习实战(中文版+英文版+源代码)

机器学习是人工智能研究领域中的一个极其重要的方向。在现今大数据时代的背景下捕获数据并从中萃取有价值的信息或模式使得这一过去为分析师与数学家所专属的研究领域越来越为人们瞩目。本书通过精心排的实例切入日常工作任务摒弃学术化语言利用高效可复用的Python 代码阐释如何处理统计数据进行数据分析及可视化。读者可从中学到一些核心的机器学习算法并将其运用于某些策略性任务中如分类、预测及推荐等。本书适合机器学习相关研究人员及互联网从业人员学习参考。

2017-09-15

2017年互联网女皇报告中英文完整版

6月1日凌晨,有“互联网女皇”之称的华尔街证券分析师玛丽·米克尔(Mary Meeker)在美国Code大会上发布了2017年的互联网趋势报告。这也是她第22次公布这一年度互联网报告

2017-06-03

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