- 博客(12)
- 收藏
- 关注
RSS订阅原创 CAM目标定位
论文：Learning Deep Features for Discriminative LocalizationCAM目标定位简介CAM简介CAM全称class activation maps，该技术能让做了分类训练的CNN既能对图片进行分类，又能定位特定类别的图片区域。CAM生成类激活图（class activation maps）的流程如下：使用类似于network in network，GoogLeNet的网络架构，网络主要由卷积层组成，在最终输出层（分类时为softmax）之.
2020-07-12 12:39:20
1075
原创 [CVPR2020]Attention-Guided Hierarchical Structure Aggregation for Image Matting
论文：Attention-Guided Hierarchical Structure Aggregation for Image Matting代码：wukaoliu/CVPR2020-HAttMatting基于注意力引导的层次结构聚集图像抠图介绍方法概述网络结构整体网络设计金字塔特征提取外观线索过滤损失函数实验参考介绍图像抠图是指从输入图像中精确估计前景的不透明度。图像抠图的逆过程是图像合成，合成方程如下：其中：zzz 指的是输入RGB图像 III 的像素位置αz,Fz,Bz\alp.
2020-06-29 18:47:32
2414
2
原创 贝塞尔曲线原理及Processing实现的二阶贝塞尔曲线演示代码
贝塞尔曲线原理演示代码参考原理这篇文章讲的很清楚：贝塞尔曲线原理(简单阐述)演示以下演示转自 贝塞尔曲线 总结一阶：二阶：三阶：四阶：五阶：代码这是用Processing实现的二阶贝塞尔曲线演示动画。PVector p0, p1, p2;float t;PVector p00, p11;PVector p02;void setup() { size(400, 400); p0 = new PVector(100, 300); p1 = new PVe
2020-06-23 19:15:53
2077
原创 [CVPR2019]Cascaded Partial Decoder for Fast and Accurate Salient Object Detection
论文地址：Cascaded Partial Decoder for Fast and Accurate Salient Object Detection代码地址：https://github.com/wuzhe71/CPD快速准确检测显著目标的级联部分译码器介绍框架介绍编码器-解码器结构的网络被大量应用于显著性目标检测，并获得了惊人的表现，编码器是预先训练好的图像分类模型（如VGG和ResNet），它提供了多层次的深层特征：低分辨率的高层特征表示语义信息，高分辨率的底层特征表示空间细节，在解码.
2020-06-21 15:21:00
1420
原创 理解和可视化机器学习中的数据迭代
论文地址: Understanding and Visualizing Data Iteration in Machine Learning理解和可视化机器学习中的数据迭代摘要绪论背景及相关工作理解数据迭代为什么要迭代数据数据迭代常用方法摘要成功的机器学习（ML）应用程序需要对建模和底层数据进行迭代。虽然先前的ML可视化工具主要集中在建模上，但我们对23位ML实践者的采访显示，他们经常通过迭代数据（例如收集新数据、添加标签）而不是模型来提高模型性能。我们还确定了常见的数据迭代类型以及相关的分析任务.
2020-06-16 15:24:50
2101
原创 简要介绍弱监督学习（by 周志华）
原文：《A Brief Introduction to Weakly Supervised Learning》作者：周志华弱监督学习1. 概览2. 不完全监督（incomplete supervision）2.1 主动学习2.2 半监督学习2.2.1 为什么未标注数据对构建预测模型有用？2.2.2 基本假设2.2.3 主要方法3. 不确切监督（inexact supervision）4. 不准确监督（inaccurate supervision）5. 总结6. 参考资料1. 概览在强监督条件下，.
2020-05-31 12:28:12
5126
原创 数据可视化 d3.js 学习笔记
教程链接：data visualization with d3(freecodecamp.org)D3.js1. 思维导图2. 基础2.1 select2.2 selectAll2.3 append2.4 text2.5 data2.6 enter2.7 style2.8 attr3. 进阶1. 思维导图2. 基础2.1 select选择一个DOM元素，const anchor = d3.select("a");用法同document.querySelector()2.2 selectA.
2020-05-27 20:13:13
268
原创 深度学习中的卷积与转置卷积
深度学习中的卷积与转置卷积1 卷积2 转置卷积（反卷积）3 个人理解1 卷积输入平展为 16×1 的矩阵，并将卷积核转换为一个稀疏矩阵C（4×16）。然后，在稀疏矩阵和平展的输入之间使用矩阵乘法。之后，再将所得到的矩阵（4×1）转换为 2×2 的输出。正向卷积将大的feature map转换为了小的feature map2 转置卷积（反卷积）将由卷积核转换的稀疏矩阵C进行转置得到CT，然后与4×1的output向量做乘法得到16×1的input向量，最后reshape为4×4。转置卷积（反卷
2020-05-14 16:54:05
296
原创 Chrome插件开发和面向初学者的开发技巧
Chrome插件开发和面向初学者的开发技巧1 概述1.1 基础1.2 文件1.3 架构2 技巧2.1 快速定位DOM节点1 概述1.1 基础1.2 文件1.3 架构2 技巧2.1 快速定位DOM节点在想要查看的DOM节点上左键选择检查（inspect）。比如我想知道必应搜索按钮在DOM中的位置：...
2020-05-12 23:46:22
447
原创 数据可视化学习笔记
注： 课程来自于智慧树、浙江大学陈为老师的大数据可视化课程链接：大数据可视化(陈为 · 浙江大学)数据可视化1 打开可视化的大门1.1 可视化初识1.2 可视化的今生前世1.3 可视化深入理解与掌握2 感知与认知2.1视觉感知与认知2.2 格式塔理论2.3 视觉通道3 数据3.2 数据分析与探索3.3 可视化+4 数据可视化基础（上）4.1 可视化基础流程初探4.2 数据可视化的框架4.3 数据处理与变换14.4 数据处理与变换25 数据可视化基础（下）5.1 可视化编码5.2 可视化图表5.3 可.
2020-05-10 22:58:36
1523
原创 小目标检测——特征金字塔网络（FPN）
论文： Feature Pyramid Networks for Object Detection特征金字塔网络（FPN）1. 介绍2. 网络结构2.1 自下而上的通道2.2 自上而下的通道2.3 横向连接3. 核心思想引用1. 介绍（a）图像金字塔对原图对原图进行上采样和下采样得到不同尺度的图像，然后分别对不同尺度的图像做卷积得到特征图（feature map），这样做明显很耗时。（b）只用到了最高层的特征，越高层特征图语义信息越丰富，但是分辨率会降低，这样网络会不可避免的忽略小目标，比如R-C
2020-05-09 11:44:29
3503
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