![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
简历
人生简洁之道
Glad to meet you
展开
-
青铜时代 —— 图像处理
SIFTSURFFASTORBTODO原创 2020-05-24 21:14:47 · 666 阅读 · 0 评论 -
青铜时代 —— 相机算法
TODO原创 2020-06-04 22:24:42 · 4038 阅读 · 0 评论 -
白铁时代 —— 机器学习进阶理解
文章目录混淆矩阵各指标的使用分析模型评估方法超参数调参模型比较三大损失函数线性回归和逻辑回归逻辑回归和SVM参数模型和非参数模型参数模型优缺点非参数模型优缺点SVM和LR的使用场景SVM如何选取核函数为什么说高斯核函数将原始特征空间映射成了无限维空间?高斯核δ\deltaδ的意义K-Means实现 anchor 划分机器学习算法的使用场景近邻算法/KNN贝叶斯决策时随机森林SVM逻辑回归判别分析 (Discriminant analysis)神经网络 (Neural network)BoostingBagg原创 2020-05-25 15:56:34 · 204 阅读 · 0 评论 -
黄金时代 —— Pytorch学习记录(一)
文章目录TensorTensor操作桥接 NumPyCuda张量Autograd:自动求导张量梯度TensorTensor操作100多个函数randn, add_, view, numel桥接 NumPyTorch张量和NumPy数组将共享它们的底层内存位置,因此当一个改变时,另外也会改变:b = a.numpy(); a = torch.from_numpy(b)Cuda张量import numpy as npimport torch, osos.environ["CUDA_原创 2020-06-18 17:08:21 · 1352 阅读 · 0 评论 -
黄金时代 —— Pytorch学习记录(二)
文章目录图片 - TorchVision定义模型使用预训练模型进行微调修改模型添加其他主干定义模型的4种方法目标检测风格迁移STNGAN并行/分布式训练Not Only Pytorch模型的生产部署 >> C++扩展Pytorch使用PyTorch C ++前端注解AutogradBroadcastCPU线程/TorchScript推理CUDA语义Pytorch的自定义模块大规模部署并行处理完全可重现的堵塞序列化的相关语义S/L问题图片 - TorchVisionPenn-Fudan数据库原创 2020-06-21 22:15:00 · 1149 阅读 · 0 评论 -
黄金时代 —— Pytorch学习记录(三)
model.eval()和with torch.no_grad()的区别在PyTorch中进行validation时,会使用model.eval()切换到测试模式,在该模式下,主要用于通知dropout层和batchnorm层在train和val模式间切换在train模式下,dropout网络层会按照设定的参数p设置保留激活单元的概率(保留概率=p); batchnorm层会继续计算数据的mean和var等参数并更新。在val模式下,dropout层会让所有的激活单元都通过,而batchnorm层原创 2020-06-26 20:05:03 · 334 阅读 · 0 评论 -
找工作 —— 笔试面试记录
VIVO (Camera)SIFT详细说下流程刚开始较紧张,说了一堆,有些混乱,建议面试放慢语速,等面试官反应!HOG特征详细说下流程说了fHOG,31特征向量,balabalaKalman参数设置问题?这个没回答!调库!SVM介绍下最大间隔二分类网络balabalaSVM中的C有什么作用非线性可分SVM的惩罚项系数,不必满足严格函数间隔大于1的限制!如果你们要进一步回答,可以说,alpha = 0;0~C;和=C的样本代表什么…MobileNet网络特点De原创 2020-06-10 15:57:22 · 316 阅读 · 0 评论 -
简历准备(一)—— 科大讯飞 (CV方向)
文章目录`项目一: 目标跟踪`SiameRPNVGG16RPNThisEAOVOT简介AccuracyRobustnessVOT2013VOT2014VOT2015VOT2016`项目二: UAV-DET`RetinaNetRetinaHeadMobileNet/ShuffleNetAttention in CNNCBAMNon-global平衡FPN-BFP (Libra-RCNN)Loss改进多尺度训练/测试`项目三:防抖`图像特征HOG/fHOG特征HOGfHOG特征点检测/描述sift高斯图像金字塔原创 2020-07-13 22:17:07 · 1367 阅读 · 0 评论 -
简历准备(一)—— TPLink
文章目录SiameRPNVGG16RPNEAOVOT简介AccuracyRobustnessVOT2013VOT2014VOT2015VOT2016特征HOG/fHOG特征HOGfHOG特征点检测/描述sift高斯图像金字塔空间极值点检测关键点方向分配关键点特征描述surf (Speeded Up Robust Features)Hessian检测SURF的尺度空间兴趣点主方向获得SURF描述子快速索引匹配光流运动模型变换矩阵RANSAC滤波卡尔曼滤波项目简化的KL机器学习线性回归SVM随机森林代码Kera原创 2020-06-19 10:51:58 · 621 阅读 · 0 评论 -
滤波等基础知识
卡尔曼滤波和维纳滤波 - sillykog维纳滤波 - weiweiwanye过去观测值 估计 当前或将来的信号 —— 预测当前/过去观测值 估计 当前信号 —— 滤波过去观测值 估计 过去信号 —— 平滑或内插Wiener filter:输入 广义平稳且统计特性已知作用: (1) 当信号和干扰以及随机噪声同时输入该滤波器时,在输出端将信号尽可能精确表现出来; (2) 维纳...转载 2019-09-24 09:44:47 · 236 阅读 · 0 评论