- 博客(45)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 AM-LFS: AutoML for Loss Function Search论文解读
一、研究动机该文章是五月份商汤科技与悉尼大学联合发布在arxiv上的文章，用自动机器学习来获取视觉任务中的最佳损失函数。众所周知，一个有效的损失函数在视觉任务中起了关键作用，然而现在大部分的损失函数都是人为设定，不仅耗时而且一般只能获得次优解。为了缓解上述问题，AM-LFS在训练阶段利用了强化的思想来自动搜索合适的损失函数的超参数，同时又设计了一个搜索空间能够适应于不同的视觉任务，将不同任务的...
2019-06-19 23:02:57
1358
原创 Pointin,Boxout: Beyond Counting Persons in Crowds 论文解读
一、研究动机现有的人群计数方法主要有两种：基于密度回归估计的方法和基于探测的方法，前者尽管有显著的改进，但基于回归的方法无法提供人群中的个体检测，而后者需要提供耗费人力的矩形框标注信息。因此，我们想绕过昂贵的矩形框标注成本，只利用点的监督信息来产生计数和探测的结果（也就是只依据点信息还需额外估计尺寸大小）。然而这种仅仅由位置监督信息获取尺寸的方法是基于人群分布密集和透视成像规律的，此规律有两个...
2019-06-18 11:15:52
1356
1
原创 R2-CNN: Fast Tiny Object Detection in Large-scale Remote Sensing Images论文解读
一、研究动机得益于卷积神经网络的迅速发展，目标检测作为计算视觉领域的基础任务也得到飞速发展，尤其是在日常场景（平视视角）中的数据集上表现喜人。但对于大尺度遥感图像的极小物体目标检测，其检测效果改进空间依旧很大。分析当前面临的挑战主要有以下几方面：（1）输入图片尺寸过大（18 000×18 192和27 620×29 200），现有目标检测方法效率 低。（2）复杂背景对检测任务带来干扰（沙漠...
2019-06-17 16:05:15
3461
1
原创 Precise Detection in Densely Packed Scenes（CVPR 2019）论文解读
一、研究动机在购物超市中，商品陈列区中摆放了密集而繁多的商品，它们大多是相同或极其相似的，并且位置十分靠近。当前主流的检测网络在这种场景下充满挑战，效果并不是很理想。本文的精确物体检测就是在这种场景基于主流检测方法，提出了以下几个方面的改进：(1)提出Soft-IoU层进行IoU的预测。(2) 引入一个基于EM算法的高斯混合聚类方法来解决探测重叠的问题。(3) 制作了公开数据集SKU-110K，...
2019-05-26 08:35:39
2258
原创 235. 二叉搜索树的最近公共祖先
解题思路：利用二叉搜索树的性质，左子树小，右子树大，最近公共祖父一定居于两数之间 * Definition for a binary tree node. * public class TreeNode { * int val; * TreeNode left; * TreeNode right; * TreeNode(int x) { val = ...
2019-05-10 22:56:31
262
原创 136. Single Number只出现一次的数字
解题思路：所有元素相继异或的最终结果class Solution { public int singleNumber(int[] n) { int re=n[0]; for(int i=1;i<n.length;i++){ re=re^n[i]; } return re; }}...
2019-05-10 22:36:39
140
原创 206反转链表
/** * Definition for singly-linked list. * public class ListNode { * int val; * ListNode next; * ListNode(int x) { val = x; } * } */class Solution { public ListNode reverseLis...
2019-05-10 22:25:11
104
原创 557. Reverse Words in a String III（反转字符串中的单词 III）
解题思路：词用Stringbuilder存储字符串，然后利用Stringbuilder自带的inverse来反转。class Solution { public String reverseWords(String s) { if(s==null||s.length()<1) return ""; StringBuilde...
2019-05-10 22:08:10
112
原创 292. Nim Game(Nim 游戏)
解题思路：如果堆中石头的数量 nnn 不能被 444 整除，那么你总是可以赢得 Nim 游戏的胜利。让我们考虑一些小例子。显而易见的是，如果石头堆中只有一块、两块、或是三块石头，那么在你的回合，你就可以把全部石子拿走，从而在游戏中取胜。而如果就像题目描述那样，堆中恰好有四块石头，你就会失败。因为在这种情况下不管你取走多少石头，总会为你的对手留下几块，使得他可以在游戏中打败你。因此，要想获胜，...
2019-05-10 20:05:56
110
原创 HRNet:基于高清表示网络的人体姿势估计
一、研究动机人体姿势估计问题中关键点检测是其关键的一步，本研究主要针对该步骤进行优化。深度神经网络的特征抽取使得特征图不断缩减，而优化的突破口在于想获得一个具有高清表示信息的特征来提升关键点检测的精度。已有方法的关注重点在于高清信息的恢复，恢复方式包括三种：沙漏型对称网络结构、反卷积和空洞卷积。这些方法都是在下采样的基础上进行恢复，其精度不理想。HRNet采用在下采样的过程中不断加入并行的子网络...
2019-05-10 14:45:43
2477
1
原创 122. Best Time to Buy and Sell Stock II买卖股票的最佳时机 II
给定一个数组，它的第 i 个元素是一支给定股票第 i 天的价格。设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易（多次买卖一支股票）。注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。示例 1:输入: [7,1,5,3,6,4]输出: 7解释: 在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获...
2019-05-10 10:42:42
209
原创 121. Best Time to Buy and Sell Stock(买卖股票的最佳时机)
给定一个数组，它的第 i 个元素是一支给定股票第 i 天的价格。如果你最多只允许完成一笔交易（即买入和卖出一支股票），设计一个算法来计算你所能获取的最大利润。注意你不能在买入股票前卖出股票。示例 1:输入: [7,1,5,3,6,4]输出: 5解释: 在第 2 天（股票价格 = 1）的时候买入，在第 5 天（股票价格 = 6）的时候卖出，最大利润 = 6-1 = 5 。注意利润不能是...
2019-05-10 10:08:59
156
原创 678. Valid Parenthesis String(有效的括号字符串)
给定一个只包含三种字符的字符串：（ ，） 和 *，写一个函数来检验这个字符串是否为有效字符串。有效字符串具有如下规则：任何左括号 ( 必须有相应的右括号 )。任何右括号 ) 必须有相应的左括号 ( 。左括号 ( 必须在对应的右括号之前 )。* 可以被视为单个右括号 ) ，或单个左括号 ( ，或一个空字符串。一个空字符串也被视为有效字符串。示例 1:输入: “()”输出: True...
2019-05-09 22:57:33
388
原创 856. Score of Parentheses(括号的分数)
class Solution { public int scoreOfParentheses(String S) { int sum=0; int n=0; int len=S.length(); for(int i=0;i<len;i++){ if(S.charAt(i)=='('){ ...
2019-05-09 17:17:09
153
原创 553. Optimal Division(最优除法)
思路分析：这道题看似需要很高的技术含量，其实一点都不难。我们首先需要明白，除法与除法的优先级相同，如果我们用括号将第一个元素与其他元素扩起来并不会影响结果。（比如(1000/100)/10/2、(1000/100/10)/2 、(1000/100/10/2)结果都与没有添加括号1000/100/10/2的结果相同）也就是说第一个元素直接和结果相关，并且不依赖括号。而后面的元素可以看作为一个大...
2019-05-09 16:09:06
167
原创 921. 使括号有效的最少添加
class Solution { public int minAddToMakeValid(String S) { if(S.length()==0) return 0; if(S.length()==1) return 1; List<Character> list=new Ar...
2019-05-08 22:30:08
155
原创 241. 为运算表达式设计优先级
class Solution { public List<Integer> diffWaysToCompute(String input) { List<Integer> list=new ArrayList<>(); if (input.length()==0) return list; ...
2019-05-08 22:13:01
157
原创 606. 根据二叉树创建字符串
/** * Definition for a binary tree node. * public class TreeNode { * int val; * TreeNode left; * TreeNode right; * TreeNode(int x) { val = x; } * } */class Solution { pu...
2019-05-08 11:17:59
168
原创 1021. 删除最外层的括号
遍历S，利用两个变量记录左右括号数量，相等就进行一次截取并添加到StrigBuilder中，然后重置变量。最后返回结果。ss Solution { public String removeOuterParentheses(String S) { StringBuilder re=new StringBuilder(); int m=0; ...
2019-05-08 10:48:12
120
原创 22. 括号生成
class Solution { public List<String> generateParenthesis(int n) { List<String> ans = new ArrayList(); if (n == 0) { ans.add(""); } else { ...
2019-05-08 09:30:39
124
原创 20. 有效的括号
class Solution { public boolean isValid(String s) { List<Character> stack=new ArrayList<>(); if (s.length()%2!=0) return false; if (s.length()==0)...
2019-05-08 09:11:16
126
原创 LightGBM
1，研究动机当特征维度很高或数据量很大时，获取最佳分割点十分耗时，主要的原因是对于每个特征，都需要扫描整个数据集得到分割点。为解决此问题，提出两个解决措施：基于梯度的one-side采样(Gradient-based One-Side Sampling)和互斥的特征捆绑(Exclusive Feature Bundling)。2，相关工作搜索最佳分割点贪心搜索法：通过预排序找到分割点，这种...
2019-05-05 14:44:44
203
原创 Hierarchical Object Detection with Deep Reinforcement Learning论文笔记
这是一篇NIPS2016中有关目标检测的文章，虽然有点老，但是其free anchor的思想还是值得借鉴。尤其今年和free anchor相关的目标检测研究大火，但其大多是从先探测物体的中心点或者是关键点，由点到面从而学习到精确的轮廓或者位置信息。一、研究动机受人眼观察世界方式的启发：我们首先将我们的视线集中在一幅图片的显著位置，通过对该区域的信息提取有助于将我们的视线转移到相关区域直到完全...
2019-04-22 15:40:02
957
1
原创 Dynamic Zoom-in Network 论文笔记
最最最喜欢的目标检测预处理思想，没有之一！！！1.研究动机（1）高清图像中小物体目标检测的特征丢失严重，想针对小物体的图片区域进行放大(zoom-in)也就是单独切割出来(crop)丢进目标检测器中进行探测。（2）为了避免过分切割(不将大目标也切碎)。于是利用DQN（deep Q learning）的思想进行最有切割策略的选择。2.基本概念Action：在该任务中动作是指将图片某个矩...
2019-04-16 10:36:53
814
5
原创 benchmark mask训练自己的COCO数据集
1.COCO 数据集制作采用VIA标注polygon导出相应的.csv数据。注意：sgmentation是[[x0,y0,x1,y1,x2,y2,x3,y3,x4,y4]]遇到的坑：”annotations“字段的"segmentation"是一个二维度的数组（大概是考虑到某个实例由不相连的好几个部分组成）#!/usr/bin/env python3import datetimeimp...
2019-03-21 15:37:27
1948
原创 已知经纬高求其在无人机图像中的像素点坐标
背景：已知无人机拍摄时刻的经纬高(WGS84坐标系)以及物点的经纬高，求解该物点在图像中的像素点位置 三种像空间坐标系定义：①德国汉诺威大学（Hannover）定义的像平面坐标系BLUH：原点位于像片几何中心，x轴与像素纵坐标v轴平行反向，y轴与像素横坐标u轴平行反向，z轴垂直于x和y轴并且满足右手法则；②德国斯图加特大学（Stuttgart）定义的像平面坐标系PATB：原点位于像片几何中...
2019-03-19 11:25:03
5931
16
转载 深度学习VGG模型核心拆解
http://www.sohu.com/a/214925396_633698如今深度学习发展火热，但很多优秀的文章都是基于经典文章，经典文章中的一句一词都值得推敲和分析。此外，深度学习虽然一直被人诟病缺乏足够令人信服的理论，但不代表我们不能感性分析理解，下面我们将对2014年夺得ImageNet的定位第一和分类第二的VGG网络进行分析，在此过程中更多的是对这篇经典文章的感性分析，希望和大家共同...
2018-08-28 20:55:17
254
原创 Recurrent scale approximation for objrct detectiong in CNN
该论文发表在ICCV2017，最初针对人脸多尺度变化检测问题，但在一些一般的场景下也能达到不错的效果(用航天图像测一波)1.针对问题CNN天生缺乏处理大尺度变化的情况2.解决方案1.采取了尺度估计模型RSA(recurrent scale approximation)解决此问题，一次性计算feature map，并且用这些图来估计其他尺度上的feature map。RSA模型的核心...
2018-08-13 16:27:41
572
原创 Domain adaptive faster-rcnn for object detection in the wild 论文笔记
2018年CVPR文章，基于Faster-RCNN，进行领域自适应改进（似迁移学习），用在进行雾气，光线不良情况下的野外迁移探测活动（复杂多变的场景）解决domain shift 1.image level :scale,style,illumination 2.instance level:obj appearance ,size and orientation主要贡献1.概率...
2018-07-24 17:14:11
5984
4
原创 YOLOv3 训练自己的数据集
1.VOC数据集准备使用ImageLab软件数据标注产生与图片对应的.xml Annotations存放xml文件，JPEGImages存放原图，labels存放annotation对应的txt文件， deal.xml对xml文件修改（folder，filname，path，object的name），list.py划分train和val数据集产生train_0708.txt和val_0...
2018-07-19 10:29:03
1448
1
原创 马毅教授讲座——反思深度学习：回归计算机视觉的挑战
7月3日，清华伯克利深圳学院暑期课程开课，邀请到加州大学伯克利分校电子工程与计算机系， ACM、IEEE Fellow，马毅教授为大家展开为期两周的《压缩感知和稀疏模型》的课程。 开课的第一天，马毅教授以计算机视觉为出发点，强调了稀疏模型和深度模型所共同面临的挑战：高维数据的信息提取。随后从稀疏模型角度简要阐述了解决该问题的本质和方法，及其应用。得出了深度学习模型与稀疏模型殊途同归的结论，解释了...
2018-07-03 19:49:08
1609
原创 图像特征提取
1.SIFT+BOW提取每个图片的前k个sift特征点，将所有图片的sift进行k-means聚类，得到n个聚类中心，再将每个图的k个特征点所属相应聚类中心进行直方图统计得到一个n维的图片特征描述。import cv2 import numpy as npfrom PIL import Image import osimport pandas as pdfrom sklearn...
2018-05-22 16:55:48
1063
原创 Superwised Random Walks
1.构造数据集将facebook无向图的边的50%随机删除作为训练集，再将其中50%随机删除作为测试集。针对训练集未来会产生边的点构成一个source集，source里面的每个点构建相应的positive(将产生边)和negative(不产生边)样本集。2.构造特征边的特征：基于图结构(公共neighbor等)点的特征：性别等个体特征3.计算边strength，作为状...
2018-05-21 11:34:27
518
2
原创 MVE搭建和使用
1.安装其余依赖库： libjpeg (for MVE, http://www.ijg.org/) libpng (for MVE, http://www.libpng.org/pub/png/libpng.html) libtiff (for MVE, http://www.libtiff.org/) OpenGL (for libogl in MVE a...
2018-03-25 16:20:13
5770
原创 Ubuntu 16.04搜索不到WIFI解决方案
sudo apt-get update sudo apt-get install bcmwl-kernel-source
2018-02-07 16:17:40
3892
转载 Windows下安装python版的XGBoost（Anaconda）
原文链接：http://blog.csdn.net/leo_xu06/article/details/52300869 需要用到三个软件： python软件（本文基于Anaconda，因为自带很多库，比较方便） Git for Windows MINGW 假设都已经安装好了Anaconda，建议安装python2版本的，虽然python3也可以，但python2较为主流。再安装Gi
2017-10-21 21:53:17
404
原创 Ubuntu+xgboost
git clone –recursive https://github.com/dmlc/xgboost expoort PYTHONPATH=～/xgboost/python-package python -c “import xgboost as xgb”
2017-08-19 10:26:23
236
原创 笔记(機器學習技法)：Random Forest
Feature selection permutation test的原理（随机排序的方式来测试某个特征的重要性）：原本的表现-该特征数据的随机打乱后的表现。 在面对非线性的问题的时候会首先用Random Forest来进行初步的特征选择。Random Forest in Action 上图一：一棵树划分情况，图二（bagging的小树的结果）：bootstrap随机产生的一颗树的情况
2017-08-10 20:59:34
275
原创 Ensemble 概念入门
Ensemble methods概念 所谓Ensemble methods，就是把几种机器学习的算法组合到一起，或者把一种算法的不同参数组合到一起。基本上分为如下两类：Averaging methods（平均方法），就是利用训练数据的全集或者一部分数据训练出几个算法或者一个算法的几个参数，最终的算法是所有这些算法的算术平均。比如Bagging Methods（装袋算法），Forest of Ran
2017-08-09 14:34:05
1157
原创 kaggle之Dogs vs. Cats(Keras)
数据宏观把握--->数据预处理--->导出特征向量--->载入特征向量--->构建模型--->训练模型--->预测测试集一、数据宏观把握训练集25000张，猫狗各一半。测试集12500张，没标定是猫还是狗。二、数据预处理数据集的文件名是以type.num.jpg这样的方式命名的，比如cat.0.jpg，但是使用 Keras 的 ImageDataGenerator
2017-08-01 09:57:37
4228
3
java并发编程实战pdf及源码
2015-10-26
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人