- 博客(8)
- 收藏
- 关注
转载 不使用sudo运行docker的步骤
操作步骤如下1.创建docker组:sudo groupadd docker2.将当前用户加入docker组:sudo gpasswd -a ${USER} docker3.重启服务:sudo service docker restart4.刷新docker成员:newgrp - docker【注】:在ubuntu下亲测,其他linux没有测试。...
2020-01-03 14:41:58
155
原创 图像标定框提取算法Selective Search总结
Selective Search是2013年提出的标定框生成算法,应用于初代RCNN网络中。其应用了Graph Based Image Segmentation的图像初步分割,并提出了一系列标准来囊括更多的标定框。虽然很古老,计算效率也很低下,近年已几乎被RPN网络层完全取代,但其原理简单易懂,思想也十分有趣。
2019-07-18 08:35:44
478
原创 基于graph的图像分割算法:Efficient Graph-Based Image Segmentation
这篇文章阐述了一种传统的图像分割的方法,不需要任何的先验知识,原理也十分简单易懂。它是著名的标定框提取算法Selective search的基础。
2019-07-17 17:37:14
1157
2
原创 图信号处理学习笔记(3):基于GMRF的图估计
上一篇文章中提及了图信号插值的一种方法,这是基于图已给定的情况。在实际的推荐系统等应用中,不仅要针对未知节点进行预测,还要获得一个良好的,切合训练数据的graph。此文描述了图生成的一种经典算法。Reference:[1] E. Pavez and A. Ortega, “Generalized Laplacian precision matrix estimation for graph s...
2019-07-13 08:36:46
2741
原创 图信号处理学习笔记(2):缺失图信号预测
Reference: S. K. Narang, A. Gadde and A. Ortega, “Signal processing techniques for interpolation in graph structured data,” 2013 IEEE International Conference on Acoustics, Speech and Signal Processin...
2019-06-18 08:45:21
2234
原创 图信号处理学习笔记(1):图信号基本知识及其变换
最近在学习图信号处理的相关知识,想进行一些应用层面的实践,恰巧遇到一篇十分具有启发性的推荐算法的论文,故以此文进行简单总结,也作为自己的学习笔记。Reference:https://en.wikipedia.org/wiki/Laplacian_matrix一、图信号基本知识一个无向图 GGG(Graph) 可以定义为:G=(V,E)G=(V,E)G=(V,E)。即无向图由节点集合VV...
2019-06-12 11:34:28
16692
16
原创 评价与量化CNN的各个卷积窗对于分类结果的贡献(论文解读)
本文引入了一些量化方式来分析CNN中的各层卷积窗对于最终分类结果的辨识能力,用作分析的网络为Fast-RCNN-CaffeNet。
2019-04-14 09:14:32
449
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