chaibubble

coco2017是当前最主流的多人姿态估计benchmark，

简介Market-1501是行人重识别领域最为常用的benchmark，数据集在清华大学校园中采集，夏天拍摄，在 2015 年构建并公开。它包括由6个摄像头（其中5个高清摄像头和1个低清摄像头）拍摄到的 1501 个行人、32668 个检测到的行人矩形框。每个行人至少由2个摄像头捕获到，并且在一个摄像头中可能具有多张图像。训练集有 751 人，包含 12,936 张图像，平均每个人有 17.2 张训练数据；测试集有 750 人，包含 19,732 张图像，平均每个人有 26.3 张测试数据。3368 张查

github常常会出现无法clone的情况，此时可以使用镜像站代替https://github.com.cnpmjs.orgorhttps://hub.fastgit.org比如：github中任意项目，选择http进行clonehttps://github.com/KevinQian97/ELECTRICITY-MTMC.git替换为https://github.com.cnpmjs.org/KevinQian97/ELECTRICITY-MTMC.git...

FCOS的paper是《FCOS: Fully Convolutional One-Stage Object Detection》，来自阿德莱德大学沈春华老师团队，作者是田植，其近期的工作时在实例分割方向非常惊艳的BoxInst。FCOS旨在利用全卷积的思路处理目标检测问题，它是一个anchor free的单阶段检测器，一个很有意思的地方是，FCOS和CenterNet都是在CornerNet之后，但是这它们几乎是同时挂到arxiv上，都在2019年的4月，且相差不到半个月。

转置卷积也被称为反卷积，常被用用于CNN中的上采样操作，比如分割任务，或GAN网络中。反卷积并不是常规卷积的完全逆操作，反卷积也起不到根据输出特征以及对应的卷积核，恢复原始输出的作用，它最多的作用就是有可学习参数的上采样操作，仅此而已。同时，反卷积操作并没有把正向卷积输出，对应的卷积核拿过来做转置使用，而是多了几个卷积核而已。此外，即便是把正向卷积输出对应的卷积核拿过做反卷积，它也恢复不出来原来的参数，恢复原来参数这种操作看起来并没有太大意义，因为只是想做上采样而已。

阶段离散下降调整策略连续下降调整策略周期性调整策略自适应调整策略自定义调整策略

BN层最重要的作用是让加速网络的收敛速度，同时让网络训练变得更容易；另外调参过程也简单多了，对于初始化要求没那么高，而且可以使用大的学习率等，而没有使用BN的话，更大的学习率就可能导致训练发散，大学习率又反过来作用到训练速度上，加速了收敛速度，两者相辅相成。此外，也有一种说法是BN层可以提高网络的泛化能力，抑制过拟合，不过这个说法一直存在争议。

markdown速查表

cp和scp是ubuntu中文件拷贝常用的两个命令，一般在同一台服务器上我们是用cp命令，跨服务时使用过scp命令，但是如果做文件同步的话，rsync要比上述两个命令更好用一些，跨不跨服务器都是如此。因为rsync可以只同步需要更新的文件，而不是将所有的指定路径内的文件都拷贝一份，然后再目标路径下去覆盖源文件，比如本地的/mnt/tem文件夹要和远程xx.xx.xx.123的/mnt/tem路径做同步，可以使用：rsync -avu --progress /mnt/tem/ xx@xx.xx.xx.12

NFS 即网络文件系统（Network File-System），可以通过网络让不同机器、不同系统之间可以实现文件共享。通过 NFS，可以访问远程共享目录，就像访问本地磁盘一样。NFS 只是一种文件系统，本身并没有传输功能，是基于 RPC（远程过程调用）协议实现的，采用 C/S 架构。ubuntu上的NFS用处非常广泛，比如可以让不同服务器上共享同一份文件，还可以增加服务的存储空间等等。既然是网络文件系统，nfs就必须要一个实际的物理空间作为服务端，而其他挂载这个空间的服务器称为客户端。nf服务端配置

pip在安装python包时，默认使用的是国外的源，所以有时下载会比较慢，可以在install时将源指定为国内的源，比如阿里源或者清华源，临时使用pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package设为默认pip install pip -Upip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple同样的上述配置也可以使用阿

在使用pip安装python相关包时，常常会由于网络问题，导致超时，下载失败，而且换成国内源的时候，也有可能出现这种情况，比如使用pip安装pytorch的时候，这个时候可以通过修改timeout加长download的下载时间，缓解超时的问题：默认timeout：不指定timeout时15s，pip install python-moudle这个时间可以在pip命令中看到，输入pip后打印的参数列表中会有一行：--timeout <sec> Set the socket timeo

CenterNet的论文是《Objects as Points》，其实从名字就可以很直观的看出，CenterNet是将目标检测问题看做对于目标中心点的检测，它是继CornerNet之后的又一个Anchor-free方法。

简介《FairMOT：A Simple Baseline for Multi-Object Tracking》是一个online的多目标跟踪（MOT）算法，基于TBD（Traking-by-Detection）的策略，FairMOT主要就是基于JDE做的改进，可以简单的理解为，FairMOT是将JDE的YOLOv3的主干，改成了CenterNet，也就是将检测的方法由Anchor-base换成了Anchor-free，然后同样在已有检测模型上加了了embeeding分支，模型输出检测的结果和embeedi

在代码调试过程中，有一些复杂的代码需要之前运行一段过程后才到想要调试的阶段，而在这之前，我们希望程序执行到断点时不要中断，而是跳过，此时就需要更复杂的断点调试功能，比如Hit Count。最简单的例子就是在一个for循环中，指定要出触发的次数for i in range(1000): print(i)比如在上面的循环中，我们想要第500次的时候才触发断点，那么就可以在VScode中这样设置：在Hit Count中输入500并Enter，断点就在500次的时候才触发，并只在500次的时候触

简介：MOTChallenge是多目标跟踪领域最为常用的benchmark，其中2D MOT15，3D MOT15，MOT16，MOT17，MOT20都是多目标跟踪领域常用的数据集。下面我们按照MOTChallenge中的评价标准进行介绍，当然MOTChallenge也主要参考《Evaluating Multiple Object Tracking Performance: The CLEAR MOT Metrics》评价指标：总结CLEAR MOT Metrics认为一个好的多目标跟踪器应该有如

shell的类型有很多种，linux下默认的是bash，而bash的界面过于单调，命令提醒功能也不友好，zsh+autosuggestions就是为了让界面变得更美观，使用变得更高效。而oh-my-zsh在其中的作用就是让zsh的配置变得简单易用，并提供了大量的主题以供选择。在Mac os和Linux系统中，上述组合经常被人使用。zsh安装与配置确定当前使用的shell，默认为bash：e...

adduser和useradd的区别初次接触Ubuntu的用户管理内容时，可能都会有这样的疑惑，Ubuntu中adduser和useradd都可以用来创建用户，关于二者的区别，网路上也有很多介绍，但是这些介绍有些并不准确，下面对二者的区别做一个对比：首先可以确定的一点是，adduser和useradd在Ubuntu中都可以用来创建用户，不存在一个可以一个不可以的概念；Linux中通常会使用...

Python的程序一般需要很多依赖包，如果想要把这些包导出成requirements.txt的形式，常规的方法是直接使用pip freeze命令：pip freeze > requirements.txt随后，在另一个环境中使用：pip install -r requirements.txt从requirements.txt中恢复依赖环境。但是这样做有一个问题，那就是pip ...

Python中的@property装饰器作用有两个：一个是动态更新功能一个是定义只读属性首先是动态更新功能，类内加了@property装饰器的函数具备动态更新功能，类似于一种回调函数，只要函数内涉及的变量有变化，该函数就会执行回调，动态更新。也是因为这种特性，所以@property修饰的可以理解为一个变量，动态更新的也是这个变量。举个例子：class Class(object):...

简介《Towards Real-Time Multi-Object Tracking》是一个online的多目标跟踪（MOT）算法，基于TBD（Traking-by-Detection）的策略，在之前的MOT算法中惯用的策略就是先检测，得到视频中目标bbox，然后再考虑前后帧的匹配策略，为了更好的匹配效果，一般匹配中都会加入Re-ID，文章中把Re-ID等同于embedding，即一般方法中，d...

简介SORT是一个快速的在线的多目标跟踪（MOT）算法，基于TBD（Traking-by-Detection）的策略，这些特性决定了SORT实用性非常好，SORT的论文是《SIMPLE ONLINE AND REALTIME TRACKING》，发表于2016年，SORT在当时对MOT领域起到了benchmark般的作用。SORT原理主要贡献SORT的主要贡献有两个：证明了一个性能优异...

Faster R-CNN，YOLO和SSD通用目标检测领域有着奠基一般的作用， 而YOLOv2和YOLOv3由于其灵活易用的特性，在工业界一直很受欢迎，下面这篇文章主要想从损失函数的角度集中讨论下这几个主流框架的区别。

Cross Entropy是分类问题中非常常见的一种损失函数，我们在之前的文章提到过二值交叉熵的证明和交叉熵的作用，下面解释一下交叉熵损失的求导。

简介Python3基本数据结构有列表（list），元组（tuple），字典（dictionary）和集合（set）四种。

简介SaGAN，即生成对抗模型，是图像生成领域内的一种重要方法，它在2014年由Goodfellow提出，它的论文是《Generative Adversarial Networks》，GAN是在训练两个相互对抗的网络，一个生成器(Generator)和一个判别器(Descriminator)。当训练达到平衡时，对于一个输入噪声zzz。G(z)G(z)G(z)就是最后生成出来的图像。GAN原理...

GAN，即生成对抗模型，是图像生成领域内的一种重要方法，它在2014年由Goodfellow提出，它的论文是《Generative Adversarial Networks》，GAN是在训练两个相互对抗的网络，一个生成器(Generator)和一个判别器(Descriminator)。当训练达到平衡时，对于一个输入噪声z。G(z)就是最后生成出来的图像。

SSH是一个用于人脸检测的one-stage检测器，提出于2017年8月，在当时取得了state-of-art的效果，论文是《SSH: Single Stage Headless Face Detector》，SSH本身的方法上没有太多新意，更多的是在把通用目标检测的方法往人脸检测上应用。

OHEM（Online Hard Example Mining）是一种在线的难例挖掘方法，它的论文是《Training Region-based Object Detectors with Online Hard Example Mining》，从时间上看它在Faster R-CNN的后面，但是文中没有在Faster R-CNN的基础上实验，而是选择了Fast R-CNN，将Fast R-CNN中的mini-batch sampling策略替换为OHEM，得到了不错的效果。

FaceBoxes是一个足够轻量的人脸检测器，由中国科学院自动化研究所和中国科学院大学的研究者提出，旨在实现CPU下的实时人脸检测，FaceBoxes论文是《FaceBoxes: A CPU Real-time Face Detector with High Accuracy》。

using作用： 引入命名空间，指定别名，在子类中引用基类的成员。

Caffe有五个基本组件，分别是Blob，Solver，Net，Layer和Proto，其中Solver和Layer使用了工厂模式，下面以Slover为例说明下。Solver的工厂模式在注册和调用的过程中体现，所以在说明工厂模式之前，我们首先要弄明白Solver在Caffe内部是如何被使用的。

工厂模式分为3种，即简单工厂模式、工厂方法模式、抽象工厂模式，C++的工厂模式主要利用到虚函数。简单工厂模式工厂方法模式抽象工厂模式

过去的目标检测算法，two-stage方法从Faster R-CNN开始，one-stage方法从SSD开始，都无一例外的引入了anchor，anchor先验的引入使网络不需要从0直接预测Bounding box，这有利于目标检测器得到更好的效果。但是随着Anchor box的逐渐增多，它变成了目标检测算法的一个瓶颈，而CornerNet首次弃用了anchor box，就像它的名字一样，它将目标物体转化为检测左上角和右下角的点。

在RetinaNet之前，目标检测领域一个普遍的现象就是two-stage的方法有更高的准确率，但是耗时也更严重，比如经典的Faster R-CNN，R-FCN，FPN等，而one-stage的方法效率更高，但是准确性要差一些，比如经典的YOLOv2，YOLOv3和SSD。而RetinaNet的出现，在一定程度上改善了这个问题，让one-stage的方法具备了比two-stage方法更高的准确性，而且耗时更低。

SSD算法证明了多层分支对于目标检测的有效性，在此之前two-stage的目标检测方法已经优化改进过很多代，但是一直没有加入多尺度的方法。终于在FPN中，two-stage引入了多尺度，并且在SSD多层分支方法的基础上进一步改进，提出了特征金字塔网络。FPN的论文是《Feature Pyramid Networks for Object Detection》。

简介人脸检测任务应该如何评价评价标准二分类的精准率和召回率人脸检测是目标检测的一个特例，因为目标类别只有一类，剩下的都是背景，所以人脸检测评价标准中会用到些二分类问题的评价，在这里先提一下。二分类问题最常用的就是精准率和召回率：精准率代表着预测为正的样本中有多少是正确的；召回率代表着总的正样本中有多少正样本被成功预测出来。假设实际测试集中有100个正样本和100负样本，100个...

取百家所长成一家之言是一句书面意思上绝对褒义的话，形容一个论文却有些许的尴尬，但是YOLOv3确实是这样，没什么大的改动和创新点，而是融合借鉴了很多在其他的方案，最后效果还是很好的，文章中自己也提到了：“We made a bunch of little design changes to make it better”，YOLOv3的论文是《YOLOv3: An Incremental Improvement》，真的是个很低调的题目，没有Better, Faster和Stronger。╮(￣▽ ￣)╭

下面以最经典的AlexNet模型为例子，计算感受野，模型计算量和大小（内存）。下面这张图是AlexNet的结构图，看起来比较直观。感受野感受野是检测和分割任务中比较重要的指标，它是一个逐层叠加的过程，计算到最后一层的卷积特征图输出上，它的计算公式是：RFi=RFi−1+(kernelsize−1)×stride，RF0=1RF_{i}=RF_{i-1}+(kernelsize-1)\tim...

扩张卷积（Dilated Convolution）也被称为空洞卷积或者膨胀卷积，是在标准的卷积核中注入空洞，以此来增加模型的感受野（reception field）。相比原来的正常卷积操作，扩张卷积多了一个参数： dilation rate，指的是卷积核的点的间隔数量，比如常规的卷积操作dilatation rate为1。它的论文是：《MULTI-SCALE CONTEXT AGGREGATION BYDILATED CONVOLUTIONS》

在Faster R-CNN算法之前，R-CNN，SPP-Net和Faster R-CNN这些方法中，都用到了SS（Selective Search）算法，它其实是一种区域建议算法为后续的检测任务提供候选框，SS的论文是[《Selective Search for Object Recognition》]

SDD出现之前，主流的CNN目标检测模型分别是Faster R-CNN和YOLO，Faster R-CNN作为two-stage的代表，具有state of the art的准确性，但是速度偏慢，做不到实时。。YOLO使得目标检测任务one-stage就能完成，在效率上有了明显改善，但是准确性上确差了很多。这就好比“人有悲欢离合，月有阴晴圆缺，此事古难全。”但是就在这个时候，SDD出现了，一个兼顾了效率和准确性的网络结构。因为它做到了比Faster R-CNN更准，同时又比YOLO更快的性能表现。

梯度下降算法是最流行的优化算法之一，并且是迄今为止最常见的优化神经网络的方法。同时，每个最先进的深度学习库包含各种梯度下降优化算法的实现，（例如： lasagne，caffe和keras）。然而，这些算法通常用作黑盒优化器，因为它们的优点和缺点的实际解释很难实现。本文旨在为您提供不同的梯度下降优化算法最直观的作用，这将有助于您更好的使用它们。我们首先要看梯度下降的不同变体。 然后，我们将简要总结训练过程中的挑战和困难。

从时间轴上看，YOLO（YOLO v1）的提出在R-CNN，SPP-Net，Fast R-CNN和Faster R-CNN之后，论文题目是《You Only Look Once: Unified, Real-Time Object Detection》，从某种意义上说，YOLO的提出，从另一各方面定义了基于CNN的目标检测任务的基本方法。--------------------- 版权声明：本文为CSDN博主「chaibubble」的原创文章，遵循CC 4.0 by-sa版权协议，转载请附上原文出处链接

前言OctaveNet网络paper是《Drop an Octave: Reducing Spatial Redundancy in Convolutional Neural Networks with Octave Convolution》，是CVPR2019中的一篇论文。OctaveNet是一个用于ImageNet Classfication任务的backbone结构。这篇论文提出了一种新...

引言CNN的下采样（subsample）在几乎所有的模型结构中都会出现，比如stride>1的卷积操作，pooling操作，都会减少特征图的长宽，起到下采样的效果。与之相对的就是上采样（upsample）操作了，顾名思义，上采样在CNN模型中的作用上增大特征图的长宽，比如都变为原来的2倍。上采样在模型构建中并不像下采样那么频繁被使用，一般情况下，会在下面几个应用中用到上采样操作：1.se...

前言年龄估计任务年龄估计，顾名思义就是要从人脸图片中估计出对象的年龄，一般情况下是一个整数，而不是年龄段（中年，青年）和小数（25.5），这一点符合人的常理，我们在提及自己的年龄时，也不会说“我今年25.5岁”。在人脸应用中，年龄估计一般会作为人脸属性识别中的一个属性，就像下面这张图呈现出的效果（来源于百度demo）常用方法...

SqueezeNet是轻量化网络的代表结构之一，其针对ImageNet数据集分类任务的模型大小只有4.8M，这还包括了最后512*1000分类的全连接层。 An Analysis of Deep Neural Network Models for Practical Applications网络结构首先把caffe关于SqueezeNet的结构定义deploy.prototxt中的内...

前言网上关于VGG模型的文章有很多，有介绍算法本身的，也有代码实现，但是很多代码只给出了模型的结构实现，并不包含数据准备的部分，这让人很难愉快的将代码迁移自己的任务中。为此，这篇博客接下来围绕着如何使用VGG实现自己的图像分类任务，从数据准备到实验验证。代码基于Python与TensorFlow实现，模型结构采用VGG-16，并且将很少的出现算法和理论相关的东西。数据准备下载数...

ClaudiaIDE在之前的博客中，我们介绍了如何修改VS2015的主题，除此之外，我们还可以添加背景。这需要用到另一款插件—ClaudiaIDE，它提供了单一背景显示，幻灯片播放形式，背景透明度设置，背景显示位置设置等等。如何安装安装过程非常简单，但是为了结构的清晰，还是把它摘出来单独说明下，在VS的扩展和更新界面中搜索ClaudiaIDE，找到后直接安装就可以了。 如何使...

项目介绍Yolo_mark是一个检测任务数据集制作工具，制作完成后的数据格式不是VOC或者COCO的数据格式，从它的名字也可以看出，它是专门为了YOLO系列的网络训练准备数据的，YOLO这一点还是很任性的，它没有使用任何一个已有的深度学习框架来实现他的代码，而是自己写了一个纯C的轻量级框架—darknet，所以它的训练数据准备也不是按照标准开源数据集那样的格式。Yolo_mark就是专门为了准...

先聊一些题外话，Visual Studio大家都很熟悉，Windows平台下最主流的集成开发环境了，但是为啥Visual Studio要叫这个名字呢？单词的直译是“视觉工作站\图画工作站”的意思，这是因为在VisualStudio.Net之前，大多数用户界面的设计都需要用代码实现，而Visual Studio的出现改变了这个现状，开发者只需要拖动控件，代码就自动改好了。虽然我并不用Visual S...

Haar-like是一种非常经典的特征提取算法，尤其是它与AdaBoost组合使用时对人脸检测有着不错的效果，虽然只是在当时而言。OpenCV也对AdaBoost与Haar-like组成的级联人脸检测做了封装，所以一般提及Haar-like的时候，一般都会和AdaBoost，级联分类器，人脸检测，积分图等等一同出现。但是Haar-like本质上只是一种特征提取算法，下面我们只从特征提取的角度聊一聊...

项目介绍人眼中心定位是一个用于眼部追踪的算法，它来源于github中eyelike项目，C++语言实现，依赖OpenCV库。 关于代码的编译，作者提供了CMakeLists.txt文件，同时支持Windows，Linux和Mac OS X。 该项目只实现了简单的2维眼球跟踪功能，没有3维信息，也没有视线跟踪和估计功能。 作者提供了另一个博客链接Simple, accurate eye c...

可视化说明在之前博客HOG原理及OpenCV实现中，我们解释了HOG算法的原理。最终提取到的特征就是一串向量，其实我们并不知道它具体是什么样子，也不知道它到底是不是能体现目标区域与非目标区域的差异。为了解决这个问题，我们需要对HOG特征做可视化处理。 HOG特征首先去计算每个像素的梯度，然后建立滑动窗口，在滑动窗中建立滑动块，在块中建立等分的单元（cell）。我们仔细思考下这个过程，一个块在...

前言　　前一段时间用于人物换脸的deepfake火爆了朋友圈，早些时候Cycle GAN就可以轻松完成换脸任务，其实换脸是计算机视觉常见的领域，比如Cycle GAN ，3dmm，以及下文引用的论文均可以使用算法实现换脸(一定程度上能模仿表情)，而不需要使用PS等软件手工换脸（表情僵硬，不符合视频上下文），只能说deepfake用一个博取眼球的角度切入了换脸算法，所以一开始我并没有太过关注这方...

本着“更高，更快，更强”的奥林匹克精神，YOLO系列推出了它的第二代算法：YOLOv2。╮(￣▽ ￣)╭YOLOv2的论文是《YOLO9000: Better, Faster, Stronger》，这里面的YOLO9000是YOLO2的基础上做了，使用检测与分类的联合训练，并根据ImageNet中的WordNet构建WordTree，达到9000类目标检测的目的，但是这部分内容在下面不做介绍了。YOLOv2同样延续了one-stage检测的思路，并在速度和准确性方面都超过了SSD。

depends简介depends是一款可以查看一个exe文件或dll文件需要依赖哪些dll文件的工具，比如我们生产了一个exe程序，显然在我们的开发环境下是可以执行这个exe程序的，但是换一个环境还可以执行吗？这就不见得了。所以我们需要知道这个exe程序都依赖哪些动态链接库，以保证程序离开了开发环境还可以正常运行。下载与安装在vs2008之后，这个软件就被移除了，所以我们需要在这里...

Visual Leak Detector内存泄漏一直是一个令人头疼的问题，Visual Leak Detector工具在处理内存泄漏时非常好用，官网可以直接点击这里，简单介绍一下Visual Leak Detector。 Visual Leak Detector是一个开源的，免费的，健壮的又使用起来很简单的内存泄漏检测系统，支持vs2008-vs2015，支持C和C++的工程。 使用起来只

对于监督学习算法而言，数据决定了任务的上限，而算法只是在不断逼近这个上限。世界上最遥远的距离就是我们用同一个模型，但是却有不同的任务。但是数据标注是个耗时耗力的工作，下面介绍几个图像标注工具：LabelmeLabelme适用于图像分割任务的数据集制作： 它来自下面的项目：https://github.com/wkentaro/labelme 该软件实现了最基本的分割数据标注工作...

openfaceopenface是一个基于深度神经网络的开源人脸识别系统。该系统基于谷歌的文章《FaceNet: A Unified Embedding for Face Recognition and Clustering》。openface是卡内基梅隆大学的 Brandon Amos主导的。github：https://github.com/cmusatyalab/openface...

人脸关键点检测是人脸识别和分析领域中的关键一步，它是诸如自动人脸识别、表情分析、三维人脸重建及三维动画等其它人脸相关问题的前提和突破口。近些年来，深度学习方法由于其自动学习及持续学习能力，已被成功应用到了图像识别与分析、语音识别和自然语言处理等很多领域，且在这些方面都带来了很显著的改善。因此，本文针对深度学习方法进行了人脸关键点检测的研究。引言人脸关键点检测也称为人脸关键点检测、定位或者人脸对齐，是

Markdown是一种可以使用普通文本编辑器编写的标记语言，通过简单的标记语法，它可以使普通文本内容具有一定的格式。 在很多主流的博客网站，github等地方都会用到Markdown的语法，比如CSDN。我们在写博客的时候，会有想要写公式的情况，这时候我们怎么把公式漂亮的写在博客里面呢？下面介绍三种还算方便的方法：Online LaTexMarkdown中的公式语法是遵循LaTex的...

面部特征点定位概述面部特征点定位任务即根据输入的人脸图像，自动定位出面部关键特征点，如眼睛、鼻尖、嘴角点、眉毛以及人脸各部件轮廓点等，如下图所示。 这项技术的应用很广泛，比如自动人脸识别，表情识别以及人脸动画自动合成等。由于不同的姿态、表情、光照以及遮挡等因素的影响，准确地定位出各个关键特征点看似很困难。我们简单地分析一下这个问题，不难发现这个任务其实可以拆分出三个子问题： 1.

R-FCN是承接Faster R-CNN的工作，论文是《R-FCN: Object Detection via Region-based Fully Convolutional Networks》，可以简单的理解为R-FCN是Faster R-CNN+位置敏感（position sensitive）卷积层。提出的初衷是为了解决R-CNN系列，在新的图像分类backbone下效果不好的问题。R-FCN之所以起这个名字，是因为图像分割任务中出现了一个FCN（全卷积网络），而这种全卷积的说法和R-FCN想要表达的

RBG团队在2015年，与Fast R-CNN同年推出了Faster R-CNN，我们先从头回顾下Object Detection任务中各个网络的发展，首先R-CNN用分类+bounding box解决了目标检测问题，SPP-Net解决了卷积共享计算问题，Fast R-CNN解决了end-to-end训练的问题，那么最后还能下一个ss算法，依旧独立于网络，是一个单独的部分，这个点是R-CNN系列的性能瓶颈，所有Fast R-CNN是没有什么实时性的。那么Faster R-CNN的出现就是为了解决这个瓶颈问题

在之前的两个文章中，我们分别介绍了R-CNN与SPP-Net，Fast R-CNN是结合结合了SPP-Net的共享卷积计算思想，对R-CNN做出改进。Fast R-CNN的论文是《Fast R-CNN》，这是多么一个简单粗暴的论文题目。╮(￣▽ ￣)╭在上一篇中，SPP-Net解决了卷积共享计算的问题，但是SPP-Net依然不是一个可以end-to-end训练的网络，所以Fast R-CNN的提出就是为了解决这个问题。

在上一篇R-CNN的文章中，详细介绍了R-CNN算法，同时也说明了R-CNN的致命缺陷，超长的训练时间（84h）和测试时间（47s），造成这个问题的主要原因就是重复性的卷积计算，在R-CNN中，输入到CNN网络中的图片是ss算法提取到的区域，每一张待检测图都会产生1000-2000个区域，这也就意味着卷积计算要重复1000-2000次，但是由于ss算法提取到的区域本身就有很多重叠，所以这种重复计算是非常没有必要的。

这是一篇以实践为主的入门文章，目的在于用尽量少的成本组织起来一套可以训练和测试自己的分类任务的代码，其中就会用到迁移学习，TF-Slim库的内容，所以我们分为下面几个步骤介绍： 什么是迁移学习； 什么是TF-Slim； TF-Slim实现迁移学习的例程； 应用自己的数据集完成迁移学习。 实验环境：Win10+Python3.5+TensorFlow1.1什么是迁移学习：一般在

saturate_cast函数在OpenCV中的作用是防数据溢出，我们在直接操作像素点的时候，如果数值结果是赋值或者超过了255的话，在图片中是没办法显示的，这就是防数据溢出的作用，那么什么时候会有数据溢出的风险呢，这种情况在图像卷积操作的时候比较常见。 下面我们举个栗子吧： 选择一个3*3的锐化作用的卷积核，设计如下： (0, -1, 0, -1, 5, -1,

LBP简介LBP(Local Binary Pattern)算法是一种描述图像特征像素点与各个像素点之间的灰度关系的局部特征的非参数算法，同时也是一张高效的纹理描述算法，纹理是物体表面的自然特性，它描述图像像素点与图像领域之间的灰度空间的分布关系，不会因为光照强弱而改变图像的视觉变化。LBP算法首次提出于1994年，主要是使用8邻域位置的局部关系，具有灰度不变性；随后在2002年提出了其改进版...

R-CNN提出于2014年，应当算是卷积神经网络在目标检测任务中的开山之作了，当然同年间还有一个overfeat算法，在这里暂不讨论。R-CNN的论文是《Rich feature hierarchies for accurate oject detection and semantic segmentation》，在之后的几年中，目标检测任务的CNN模型也越来越多，实时性与准确率也越来越好，但是最为经典的模型还是很值得学习的。

在学习KNN（二）KNN算法手写数字识别的OpenCV实现我们直接将像素值作为特征，实现了KNN算法的手写数字识别问题，并得到了较好的准确率，但是就像其他机器学习算法一样，KNN的对象同样是特征，所以我们可以用一种特征提取算法配合KNN实现手写数字识别的任务。 下面用HOG原理及OpenCV实现中介绍的HOG算法提取特征，作为KNN的的输入，最后与像素值特征的结果进行对比。 在数据方面还是使用之

在理解Logistic回归算法原理中我们指出了Logistic回归的损失函数定义（在这里重新约定符号）： 对于单个样本而言，令为样本的期望输出，记为y；为样本的实际输出，记为y_hat，那么Logistic回归的损失函数就可以表示为： 而对于全体样本集的成本函数，就可以表示为： 与损失函数不同的是，它描述了在全体样本上集上，模型的参数w和b与优化目标之间的关系，在这两个公式中，成本函数其实是损

在OpenCV的安装文件路径/opencv/sources/samples/data/digits.png下，有这样一张图： 图片大小为1000*2000,有0-9的10个数字，每5行为一个数字，总共50行，共有5000个手写数字，每个数字块大小为20*20。 为了后续方便处理，我们先写一段小程序把这5000个图截取出来：#include <opencv2/opencv.hpp>#incl

学习KNN（一） 图像分类与KNN原理 学习KNN（二）KNN算法手写数字识别的OpenCV实现 学习KNN（三）KNN+HOG实现手写数字识别简介KNN算法，即K近邻算法是一种监督学习算法，本质上是要在给定的训练样本中找到与某一个测试样本A最近的K个实例，然后统计k个实例中所属类别计数最多的那个类，就是A的类别。 从上面一句话中可以看出，KNN的原理非常简单粗暴，而且是一种“在...

转载自：C++ 智能指针详解简介由于 C++ 语言没有自动内存回收机制，程序员每次 new 出来的内存都要手动 delete。程序员忘记 delete，流程太复杂，最终导致没有 delete，异常导致程序过早退出，没有执行 delete 的情况并不罕见。 用智能指针便可以有效缓解这类问题，本文主要讲解参见的智能指针的用法。包括：std::auto_ptr、boost::scoped_ptr、boo

吐槽一下： 指针常量与常量指针的翻译就好比机器学习中Regularization翻译成正则化一样，讲真，正则化这个说法确实要比规则化显得高端些，但是到了理解的时候，还是要按照规则化理解。指针常量与常量指针这个概念是一样的，英文里没有pointer const这个词，只有pointer to const和const pointer这两个词。而不管是指针常量还是常量指针他们的区别其实就是const关键

假设有这样一个要求，输入两列数字，第一列是数组中数字的个数，第二列数数组中的数字，中间以空格隔开，我们可以写出这样的一段代码：这里写代码片

这个问题发现的着实尴尬，怎么说用了vs也有两年了，但是真的是才发现调试与开始执行的区别，最基础的问题反而被一直遗漏。 说回正题，相信有很多人在使用vs时都会发现，vs的控制台程序，控制台窗口不会停下来，造成这个问题的原因有两个：1.按的“调试”，而不是“开始执行”。 2.“子系统”配置选项不是“控制台 (/SUBSYSTEM:CONSOLE)”。先说第一个，“调试”的快捷键是F5，“开始执行”的

介绍冒泡排序，简单选择排序，插入排序，希尔排序，快速排序归并排序和堆排序。

题目： 从1,2,3，…..98,99,2015这100个数中任意选择若干个数（可能为0个数）求异或，试求异或的期望值。 解题思路： 这是阿里巴巴的一道笔试题目，这并不是一道编程类的题目（虽然可以用编程来解决），这更像一道数理统计的题目，由于期望性质： 那么我们可以先考虑取到的若干个数的某一位： 由于异或的特性， 对任意一个二进制位，取奇数个1异或后会得到1，取偶数个1异或后会得到0，

这部分内容在引用作为函数的参数这个blog中有一些涉及，为了讨论引用传递顺带了参数传递与指针传递，在这里从动态内存传递的角度梳理一下，先看这样一个题目： 下面五个函数中，哪些函数能够实现值的交换？#include "iostream" using namespace std;void swap1(int ,int);void swap2(int* ,int*);void swap3(in

指针是C系语言的一大特色，也在很大程度上体现着C/C++的精髓，一个数据对象的内存地址称为该数据对象的指针。本质上指针是一个变量，所以它有自己的类型，这个类型决定了它可以指向何种类型的数据对象；之所以使用数据对象这个说法，是因为指针能够代表的远远不止变量，还包括数组，数组元素，结构体，甚至函数。引用是C++对C语言的一个补充，它的作用是为一个变量起一个别名。 个人理解：很多时候下把“引用”当做一个

题目： 写一个函数，输入为n，求斐波那契（Fibonacci）数列的第n项。斐波那契数列定义如下： 解题思路： 斐波那契问题是个非常经典的递归问题，比如我们想要求得f(8)，f(8)=f(7)+f(6)，而f(7)=f(6)+f(5)，……，直到n=1或n=0时递归结束，那么我们很容易就编出来下面的代码：#include "iostream" using namespace std;

题目： 如果一个数列S满足对于所有的合法的i,都有S[i + 1] = S[i] + d, 这里的d也可以是负数和零,我们就称数列S为等差数列。 小易现在有一个长度为n的数列x,小易想把x变为一个等差数列。小易允许在数列上做交换任意两个位置的数值的操作,并且交换操作允许交换多次。但是有些数列通过交换还是不能变成等差数列,小易需要判别一个数列是否能通过交换操作变成等差数列。输入要求： 输入包括两

题目： 输入两个整数 n 和 m，从数列1，2，3…….n 中随意取几个数,使其和等于 m ,要求将其中所有的可能组合列出来。

题目： 输入两个字符串，从第一字符串中删除第二个字符串中所有的字符。例如，输入“They are students.”和”aeiou”，则删除之后的第一个字符串变成”Thy r stdnts.”解题思路： 好未来那这道题做过笔试题目，首先最简单的思路就是两层循环遍历，下面将“They are students.”称为字符串1，将“aeiou”称为字符串2。每遍历到字符串2中的一个字符，就在字符串

题目： 将字符串内容进行倒置，比如 I like beijing. 经过函数后变为：.gnijied ekil I。解题思路： 首先题目说的很明确，就是反转字符串，不是打印，也不是创建一个新的字符串，而是改变原数据，最简单的思路就是将第一个字符和最后一个交换，第二个和倒数第二个交换，依次循环，函数可以返回一个标志位，也可以啥都不返回： 指针作为函数形参和数组作为函数形参是一样的，而且假设

题目： 用两个栈实现一个队列。队列的声明如下，请实现它的两个函数appendTail和deleteHead，分别完成在队列尾部插入结点和在队列头部删除结点的功能。template <typename T> class CQueue{public: CQueue(void); ~CQueue(void); // 在队列末尾添加一个结点 void appendTail

队列的定义在很多资料中，队列与栈往往一同出现，因为它与栈有很多相似的地方。队列是只允许在一端插入另一端删除的线性表，即一种先入先出（FIFO）的结构，队列有顺序对列与循环队列，循环队列主要是为了弥补队列存储空间不足与“假溢出”的问题，所以在实际应用时，往往使用的是循环队列，下面我们从头说下为什么会有循环队列这个东西： 在栈中，我们把数组中的第一个元素作为栈底，因为栈是一种后入先出的顺序，也就是后再

栈栈的定义栈是一种特殊的线性表，仅允许在表的一端进行插入和删除运算。这一端被称为栈顶（top），相对地，把另一端称为栈底（bottom）。向一个栈插入新元素又称作进栈、入栈或压栈（push），它是把新元素放到栈顶元素的上面，使之成为新的栈顶元素；从一个栈删除元素又称作出栈或退栈（pop），它是把栈顶元素删除掉，使其相邻的元素成为新的栈顶元素。所以栈具有“后入先出”的特点（LIFO）。 顺序存储于链

题目： 输入某二叉树的前序遍历与中序遍历结果，请重建出该二叉树。假设输入的前序遍历和中序遍历的结果均无重复数字，前序遍历序列为{}，中序遍历序列为{}，则重建出图2.6所示的二叉树并输出他的头结点。二叉树的结点定义如下：struct BiTNode{ int data; BiTNode* lchild; BiTNode* rchild; }; 解题思路：在

二叉树结构二叉树是一种特殊的树，每个父结点最多只能用有两个子结点。 在树中，按照结点的“继承”关系可以分为父结点和子结点； 按照结点的位置关系可以分为根结点，中间结点和叶结点。 其中叶结点没有子结点。 我们用结点中的数字代表结点，那么在上图中：10为根结点；6、14为中间结点；4、8、12、16为叶节点。一段题外话： 而且在上图中，还是二叉树中的特殊结构——二叉搜索树，所有左子结点的数

一般我把Sublime Text当做一个简洁的文本阅读器来用，所以用别的编译器编写的代码在Sublime Text中有时会出现中文乱码的情况，这是因为Sublime Text没有默认改编码格式。 所以我们需要自己安装一个插件包，但是安装插件包的前提需要先安装一个Package Control包，这是一个用来安装其他插件的包。首先快捷键 “ctrl”+”+”+”~”调出Sublime Text控制台

题目： 实现一个函数，把字符串中的每一个空格替换成”%20”。例如输入”We are happy.”，则输出”We%20are%20happy.”。解题思路： 首先我们需要先想清楚一点，函数就要求输出替换后的结果，没有说是在原数据上替换，还是可以申请内存，创建一个新的字符串？ 后者可以让问题变得简单，用比较直接的方式就可以实现一个时间复杂度为O(n)的代码，首先我们先遍历一遍字符串，找到到底有

题目： 统计一个数字在排序数组中出现的次数，比如排序数组为{1,2,3,3,3,4,5}，那么数字3出现的次数就是3。解题思路： 1.首先，遍历数组肯定就能知道某个数字的个数，此时的时间复杂度O(n)。 2.除此之外，我们注意到，任务本质上是查找问题，而且是排序好的数组，可以尝试用二分查找算法，这样我们可以找到一个3，然后根据这个3向数组的两端遍历，找到所有的3，但是如果3是n个呢？这个算法本

题目输入一个递增排序的数组的一个旋转，输出旋转数组的最小元素。例如数组{3,4,5,1,2}为数组{1,2,3,4,5}的一个旋转，该数组的最小值为1。旋转数组把一个数组最开始的若干个元素搬到数组的末尾，我们称之为数组的旋转，这本身没什么，但是如果旋转前的数组是一个排序好的递增数组，旋转数组就会有一些比较有意思的特性。 上图中是一个原数组与旋转数组，我们可以发现，旋转数组有两个排序好的子序列{

题目： 输入一个整数数组，实现一个函数来调整该数组中数字的顺序，使得所有奇数位于数组的前半部分，偶数位于数组的后半部分。解题思路： 比如我们有一个这样的数组： 数组的长度为10，最后能够实现前面4个数字是奇数，后面6个数字是偶数就好了，前面奇数的排序后后面偶数的排序没有要求，比如： 为啥数组里面有两个2呢？这是为了后面介绍是更方便的说明指针如何移动。为了实现这个任务，一个最简单、粗暴