![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
知行SUN
这个作者很懒,什么都没留下…
展开
-
深度学习模型训练技巧及知识点总结
深度学习模型训练技巧及知识点总结参数初始化参数初始化文章1文章2文章3原创 2021-06-02 18:22:38 · 253 阅读 · 0 评论 -
深度学习模型训练之数据增强
数据增强import randomimport numpy as npimport cv2from PIL import Imageimport osbase_size = 1024scale = Truerotate = Truecrop_size = 1200flip = Trueblur = Falsedef augmentation(pp_path, image, label): h, w, _ = image.shape # Scaling, we se原创 2020-09-29 12:45:43 · 695 阅读 · 0 评论 -
基于深度学习的3D点云分割汇总
3D点云分割1、PointNet: Deep Learning on Point Sets for 3D Classification and Segmentationwebpagepapercode2、PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Spacepapercode原创 2020-09-10 16:15:23 · 535 阅读 · 0 评论 -
深度学习100问
深度学习100问为什么倾向于使用3*3 小卷积核堆叠代替大卷积核为什么倾向于使用3*3 小卷积核堆叠代替大卷积核3x3 是最小的能够捕获像素八邻域信息的尺寸。两个 3x3 的堆叠卷基层的有限感受野是 5x5 ;三个 3x3 的堆叠卷基层的感受野是7x7,故可以通过小尺寸卷积层的堆叠替代大尺寸卷积层,并且感受野大小不变。多个 3x3 的卷基层比一个大尺寸 filter卷基层有更多的非线性(...原创 2019-10-12 08:39:45 · 263 阅读 · 0 评论 -
mask rcnn 预测自己的single image
mask rcnn 预测自己的single image1、论文详解2、代码详解(1)通过官方训练的model预测自己的image1、论文详解paper: mask rcnncode: mask rcnn2、代码详解(1)通过官方训练的model预测自己的imagemodel链接:https://github.com/matterport/Mask_RCNN/releases/downl...原创 2019-06-26 19:47:26 · 640 阅读 · 0 评论 -
Unsupervised Monocular Depth and Ego-motion Learning with Structure and Semantics 之论文详解
Unsupervised Monocular Depth and Ego-motion Learning with Structure and Semantics原创 2019-06-20 21:36:30 · 756 阅读 · 0 评论 -
单目深度估计论文翻译(一)之Unsupervised Learning of Depth and Ego-Motion from Video
单目深度估计论文翻译(一)之Unsupervised Learning of Depth and Ego-Motion from Video摘要1.简介2.相关工作3.方法摘要我们提出了一种无监督学习框架,用于从非结构化视频序列中进行单眼深度和相机运动估计。与最近的工作[10,14,16]一样,我们使用端到端学习方法,将视图合成作为监督信号。与之前的工作相比,我们的方法完全没有监督,只需要单眼...原创 2019-04-19 14:38:25 · 1430 阅读 · 0 评论 -
面试准备篇之算法岗
面试准备篇之算法岗简介1、语言基础知识准备(1) C++(2) Python简介在这里记录自己准备找工作的历程,接下来的半年会根据自己的学习和成长来更新。。。1、语言基础知识准备(1) C++(2) Python...原创 2019-08-04 17:20:13 · 6514 阅读 · 2 评论 -
机器学习面试面经笔记(1)
机器学习面试面经笔记(1)面试题1面试题11、请详细说说支持向量机(support vector machine,SVM)的原理原创 2019-04-08 14:26:48 · 369 阅读 · 0 评论