2017年04月_andeyeluguo

11月 10月 09月 08月 07月 06月 05月 04月 03月 02月

原创重新blas库函数

有时候需要对blas库函数进行重写我写的一个函数为#include using namespace std;int main() { const int M = 4;//A的行数，C的行数 const int N = 2;//B的列数，C的列数 const int K = 3;//A的列数，B的行数 const float alpha = 1; const float beta

2017-04-25 17:37:27 357

原创条件编译的使用

条件编译是一种很好的编译技巧。使用条件编译，让有的部分相当于没有条件编译的例子如下。#include #include using namespace std;#define ISint main() {//形式2 将#if 1 变成0 看效果#if 1 int k = 0;#else string k = "stringk";#endif cout << "t

2017-04-25 15:08:58 342 1

原创 mxnet系列 tools 查看params的内容

caffe自己有写查看模型的内容mxnet自己也写了一个import mxnet as mximport pdbdef load_checkpoint(prefix, epoch): """ Load model checkpoint from file. :param prefix: Prefix of model name. :param epoch

2017-04-24 13:19:32 3082 3

原创 mxnet系列安装

caffe一样，编译的时候用make 或者make -8会遇到如下的错误include/mxnet/./base.h:50:2: error: #error "Currently we need g++ 4.8 or higher to fully support c++11 features"需要增加g++的版本到4.8及其以上查看g++版本号g++ --version输

2017-04-24 10:57:23 408

原创 mxnet系列全连接层代码阅读

全连接操作（全连接层）也具有前向和反向。代码解析如下 virtual void Forward(const OpContext &ctx, const std::vector &in_data, const std::vector &req, const

2017-04-21 17:31:50 1218

原创 mxnet系列之代码阅读1

在文献[1]中写了怎样读mxnet的源代码。所有的模块接口的定义都在include/mxnet中，意思就是这个include里面的代码就是好的document以base.h为例进行分析#ifndef MXNET_BASE_H_#define MXNET_BASE_H_#include #include #include #include #include // nnvm

2017-04-21 15:41:46 1565

原创 mxnet系列之 c++11

在文章[1]中展示了c++11的最新特性，经过了13年的时间，c++11比c++98更改了一些新的特性，相当于一门新的语言。1吸收了当前其他流行语言的一些特性。1.1 比如可以使用auto来不指定变量类型，和python、matlab相似。auto x=0; //x has type int because 0 is intauto c='a'; //charauto d=0.5;

2017-04-21 15:30:53 2194

原创 yolo windows 版本

yolo -nogpu test data/yolo_tiny.cfg data/yolo_tiny.weights[1] yolo windows版本

2017-04-21 08:19:15 1956

原创 mxnet系列之增加新的层

增加新的层也是常见的深度学习操作[1] 帅到被拉格朗日

2017-04-20 18:48:19 1792

原创 mxnet系列之自定义目标函数

自定义损失函数是深度学习常用的操作，mxnet可以通过python代码自定义目标函数[1] mxnet自定义目标函数

2017-04-20 18:46:28 1272

原创 mxnet系列教程2-cifar例子

mnist例子之后就是cifar例子和mnist一样运行python train_cifar10.py即可运行程序。第一次运行将自动下载数据。

2017-04-20 18:34:27 758

原创 mxnet系列之mxnet介绍

mxnet是[1] mxnet的前世今生

2017-04-20 17:43:55 1220

原创 mxnet系列之-mshadow

mshadow是一个模板库，支持CPU和GPU目录结构为├── CHANGES.md├── cmake│ ├── Cuda.cmake│ ├── mshadow.cmake│ └── Utils.cmake├── doc│ ├── Doxyfile│ ├── mkdoc.sh│ └── README.md├── guide│ ├── ba

2017-04-20 17:32:04 821

原创 mxnet系列3-hello，mxnet

mxnet的helloword程序mxnet提供了定义多维数组的接口>>> import mxnet as mx>>> a = mx.nd.ones((2, 3))>>> b = a * 2 + 1>>> b.asnumpy() # print b by converting to a numpy.ndarray objectarray([[ 3., 3., 3.],

2017-04-20 15:47:33 801 1

原创 yolo使用

获取代码git clone https://github.com/pjreddie/darknetcd darknetmake获取weightwget http://pjreddie.com/media/files/yolo.weights运行./darknet detect cfg/yolo.cfg yolo.weights data/dog.jpg

2017-04-20 10:32:59 1869

原创 mxnet第二个例子-neural-style

风格转换也是比较有意思的一个例子在目录examples/neural-style文件中有相应的文件首先run download.sh 进行下载相应的文件#!/bin/bashmkdir -p modelcd modelwget https://github.com/dmlc/web-data/raw/master/mxnet/neural-style/model/vgg19

2017-04-19 16:27:40 777

原创 mxnet系列教程之1-第一个例子

第一个例子当然是mnist的例子假设已经成功安装了mxnet例子的代码如下：cd mxnet/example/image-classificationpython train_mnist.py这样就会运行下去

2017-04-19 15:52:41 7015 2

原创使用gdb进行debug

gdb是调试linux上c程序的工具对caffe的调试算法如下对caffe的debug:1.在Makefile.config中将DEBUG := 1取消注释2. make -j83.gdb -args .build_debug/tools/caffe train -solver solver.prototxt4.在命令行输入 b caffe.cpp :426(具体看tools/

2017-04-17 08:56:30 889

原创 android自适应屏幕

android xml的布局要自适应各种屏幕的话，需要使用opx布局，在app/res/values/styles.xml中增加如下的代码 fill_parent fill_parent wrap_content wrap_content

2017-04-16 08:37:47 1166

原创判断文件是否存在

既可以判断文件也可以判断文件件package com.example.administrator.myapplication;import android.support.v7.app.AppCompatActivity;import android.os.Bundle;import java.io.File;public class MainActivity extends Ap

2017-04-14 08:34:18 4554

今天面试了华捷艾米公司，在上地那。问了我模型的细节事情，我反问他了，结果他说涉及机密不给说，含糊地说是alexnet写的。只看到一台破服务器在那呜呜地响，也不知道是不是真和那哥们说的，有十几台英伟达p40的，并表示在跑集群还是自己写的。我说用mxnet就可以做到，这哥们说我们也用现成的。总体来讲，自我感觉吹牛的成分比较大，不是太靠谱。我大老远跑一趟不容易，结果就几分钟完事。我也是醉了。以后坚决先电

2017-04-13 19:03:18 720

原创虚函数

学堂在线中郑莉老师对虚函数进行了详细的讲解具体的代码如下#include using namespace std;class Base1 {public: virtual void display() const; //虚函数};void Base1::display() const { cout << "Base1::display()" << endl;

2017-04-13 11:20:49 385

原创 caffe好用的命令

博客[1]中指出了运用命令计算运行时间的指令示例如下./build/tools/caffe time --model=examples/mnist/mytest/execise1_train_test.prototxt -iterations 100 -gpu 0train_test.prototxt是训练时的文件即可[1] http://blog.csdn.net/qyxqy

2017-04-04 14:37:39 472

qt开发office文档编辑器思路

跟网上的一个qt网课班的老师要的，估计不咋样

2023-06-11

jbox2d内含jar包，在dist下

jbox2d内含jar包，在dist下，或者其他目录

2023-01-15

弱监督目标检测论文.rar

今天有群友反馈弱监督目标检测论文少，收集了部分最新的 cap2det谷歌结合文字信息进行弱监督检测.pdf ICCV2019一篇 instance-aware弱监督目标检测CVPR2020 清华大学弱监督2019 商汤AAAI2020 中科院利用弱监督目标检测中的不稳定性抛砖引玉，没有积分直接添加微信seer_ai发送更多内容加微信免费获取

2020-05-29

中科院利用弱监督目标检测中的不稳定性.pdf

Weakly supervised object detection (WSOD) focuses on training object detector with only image-level annotations, and is challenging due to the gap between the supervision and the objective. 更多内容添加微信 seer_ai

2020-05-29

商汤AAAI2020.pdf

Weakly supervised object detection (WSOD) using only image-level annotations has attracted growing attention over the past few years. Existing approaches using multiple instance learning easily fall into local optima, because such mechanism tends to learn from the most discriminative object in an image for each category.更多内容添加微信seer_ai

2020-05-29

清华大学弱监督2019.pdf

Weakly supervised object detection(WSOD) task uses only image-level annotations to train object detection task. WSOD does not require time-consuming instance-level annotations, so the study of this task has attracted more and more attention. Previous weakly supervised object detection methods iteratively update detectors and pseudo-labels, or use feature-based mask-out methods。更多内容添加微信seer_ai

2020-05-29

instance-aware弱监督目标检测CVPR2020.pdf

Weaklysupervisedlearninghasemergedasacompelling tool for object detection by reducing the need for strong supervision during training. However, major challenges remain: (1) differentiation of object instances can be ambiguous; (2) detectors tend to focus on discriminative parts rather than entire objects; (3) without ground truth, object proposals have to be redundant for high recalls, causing signiﬁcant memory consumption. 更多内容添加微信seer_ai

2020-05-29

ICCV2019.pdf

It is challenging for weakly supervised object detection network to precisely predict the positions of the objects, since there are no instance-level category annotations. Most existing methods tend to solve this problem by using a two-phase learning procedure, i.e., multiple instance learning detector followed by a fully supervised learning detector with bounding-box regression. 更多内容加微信 ai_seer

2020-05-29

cap2det谷歌结合文字信息进行弱监督检测.pdf

cap2det谷歌结合文字信息进行弱监督检测,Cap2Det:Learning to Amplify Weak Caption Supervision for Object Detection: This article exploits whole caption sentences to do weakly supervised object detection by encoding caption to predict ground truth image-level object detection labels with the help of traditional unsupervised object detection supervision. 更多资源请添加微信号seer_ai

2020-05-29

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

qt开发office文档编辑器思路

jbox2d内含jar包，在dist下

弱监督目标检测论文.rar

中科院利用弱监督目标检测中的不稳定性.pdf

商汤AAAI2020.pdf

清华大学弱监督2019.pdf

instance-aware弱监督目标检测CVPR2020.pdf

ICCV2019.pdf

cap2det谷歌结合文字信息进行弱监督检测.pdf

poly-yolo.pdf

oCam_v475.0.exe

light-head论文

dorefa-net

vs社区版在线安装

vivado2018-1的license文件

mnist数据集为keras

神经网络最经典书籍

物体检测论文集

神经网络模型压缩方法讲解二值三值DNS\INQ等

收集的专乎的一些代码

类似于陌路人人的聊天源码

一个群聊聊天室代码

gate用户手册英文版

图像描述标注工具

aflw的标注

单词30万，适合自然处理和其他功能

FERET人脸数据库

原始MIT人脸库

空空如也