2020年06月_andeyeluguo

11月 06月 05月 03月 01月

原创智能指针及其原理

智能指针也是常考的内容智能指针是为了内存管理1.shared_ptr原理共享内存类似于可以想象，一个人手指着一块区域，那么这个区域就自动生长一个定时炸弹，定时炸弹显示为1，再来一个人指着，炸弹显示为2，当没有人指的时候，这块区域就会自动爆炸。循环引用，计数失效，内存泄漏2.unique_ptr原理独有指针，每个指针指向一个内存，是绑定的，同时消失...

2020-06-12 14:32:29 175

原创新石器上机题

求两个矩阵的乘法// 你必须定义一个 `main()` 函数入口。#include <iostream>#include <vector>//#include <gtest/gtest.h>using namespace std;template <typename T>vector<vector<T>> mu...

2020-06-12 09:07:53 164

原创 c++面试

const char * 和char* const 区别const 函数虚函数表重写，重载区别list，hashmap等应用lambda一个类继承protected和privated的区别子类继承两个父类，父类中有相同的函数成员，有两个其他类会有什么区别构造函数的总类...

2020-06-10 10:35:23 87

原创深度学习部分面试题

softmax公式Softmax loss公式，L1 loss，L2 loss ，smooth L2 loss 公式Batch norm 更新哪些参数Relu中梯度消失和梯度爆炸深度学习中数据是怎么并行运行的Resnet为什么vgg深，写出其基本结构Nms运行过程Kernel计算公式简述如何downsample，如何upsample技巧，说不清就展示...

2020-06-10 09:39:47 175 1

做过类似的项目：1. THINKER芯片的二值、三值量化量化为绝对值相等的数，并提取系数。2. 笑脸识别的8bit量化英伟达的8bit量化技术，基于KL散度(信息熵)，量化为-127~128之间的数。乘以一个scale系数，取整，这样在卷积中运算的就是整数最后再除以这个scale系数，这样得到的回到了原来的值，类似于顶点。优点是损失并不大，缺点是去掉了bias，实际上含有batch norm层的也是有bias的，合并BN层之后，损失很大，这个也是ncnn的问题。几个概念：

2020-06-02 13:30:46 847

原创关于roi pooling层的理解

昨天看到目标检测原理讨论群703346870进行了激烈的讨论。个人理解如下。1. 概念理解：ROI, region of interest，感兴趣的(图像后者feature map)区域，数学表示上是一个矩形(x,y,w,h)，表示可能出现物体的部位。FPN, feature pyramid network, 特征金字塔，是一个通用的backbone，类似于resnetRPN, roiproposal network，roi 建议网络，是产生roi的网络roi pooling层，对fe.

2020-06-02 10:53:18 365

原创关于rcnn roi pooling层的讨论

目标检测群703346870昨天进行了激烈的讨论。聊天记录如下。个人的见解将在群中公布。轻指谈笑红尘2020/6/1星期一18:51:27群主，我有个问题不是很明白，最开始的rcnn是在原图上选择性搜索得到roi，然后对每个roi进行卷积得到目标位置，可是这样速度太慢。后来spp把roi映射到特征图上去，就避免了每一个roi都需要卷积，后来的两阶段目标检测一直保持这一做法，我不明白的是，特征图上的每一个值都是由原图所有像素点信息共同决定的，在特征图上进行roi感觉意义不大，yolo系列并没有这...

2020-06-02 10:16:00 233

原创一篇人群数量估计的总述

论文名称：CNN-based Density Estimation and Crowd Counting: A Survey 代码地址：https://github.com/gaoguangshuai/survey-for-crowd-counting 准确地从一张图片中估计出物体的数量是一个挑战性而有意义的任务，当然也在很多场景中得到了应用，比如城市规划，公共安全，在多种多样的物体计数任务中，人群计数特别重要，因为他对社会安全和发展特殊的意义。幸运的是，人群计数的技术可以被泛...

2020-06-01 18:28:57 775 2

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