- 博客(16)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 CSPNet 增强backbone的学习能力 yolov4使用的backbone
《CSPNet A New Backbone That Can Enhance Learning Capability of CNN》论文链接：https://arxiv.org/pdf/1911.11929.pdfgithub：https://github.com/WongKinYiu/CrossStagePartialNetworksTL,DL本文发现了梯度重复利用带来的冗余计算问题，提出了CSPNet结构（Cross Stage Partial Network）可以简单的应用于各种b.
2020-10-10 16:25:46
1424
原创 多分支梯度反向传播，concat后梯度如何反向传播
使用keras举例说明：网络结构如下：loss定义如下:model.compile(loss="categorical_crossentropy",optimizer=OPT,metrics=["accuracy"], loss_weights={'main_output': 1., 'aux_output': 0.2}网络具有两个输出，分别都要计算loss，那么在计算梯度反向传播的时候，就会有以下问题：整个网络进行几次梯度更新，1次还是2次？ VGG网络
2020-09-30 12:15:32
3999
2
原创 M2Det 论文解读
【AAAI 2019】M2Det A Single-Shot Object Detector based on Multi-Level FPN论文链接：https://arxiv.org/abs/1811.04533github：https://github.com/qijiezhao/M2DetTL,DLAAAI 2019的一篇文章，单阶段检测器，考虑到FPN的...
2019-07-01 11:51:11
475
原创 Bottom-up Object Detection by Grouping Extreme and Center Points 解读
本文（Exterme Net）是基于Corner Net做的，预测四个物体的极值点（上，下，左，右）和中心点，通过遍历各个极值点的组合（top, left, bottom, right），计算中心点是否被检测到，以此确定物体位置的方法。方法比较直观，相对Corner Net的优点是物体的极值点在物体上，更能够代表物体信息，而且Exterme Net不包含embedding部分，直接通过预...
2019-05-25 23:36:04
941
转载 objects as points论文解读，另一篇 CenterNet
前言anchor-free目标检测属于anchor-free系列的目标检测，相比于CornerNet做出了改进，使得检测速度和精度相比于one-stage和two-stage的框架都有不小的提高，尤其是与YOLOv3作比较，在相同速度的条件下，CenterNet的精度比YOLOv3提高了4个左右的点。CenterNet不仅可以用于目标检测，还可以用于其他的一些任务，如肢体识别或者3D目...
2019-05-20 21:13:36
1980
转载 CenterNet
我们介绍一篇很好的 one-stage 目标检测论文：CenterNet: Keypoint Triplets for Object Detection，该论文是由 中科院，牛津大学以及华为诺亚方舟实验室联合提出。截至目前，据我们所知，CenterNet 应该是 one-stage 目标检测方法中性能最好的方法。《CenterNet: Keypoint Triplets for Object ...
2019-04-21 15:55:55
16609
5
转载 Focal Loss 反向传播推导
Focal Loss 前向其中是输入的数据是输入的标签。其中后向梯度计算为了计算前向公式（3）的梯度我们，首先计算单元的导数。计算计算导数：有了（4）和（5）我们就来对（3）进行推倒。在（6）中把（4）（5）带入并合并整理就得到(7)(7)就是Focal loss的后向的最后结果。要是在Caf...
2019-04-08 22:59:20
1169
1
转载 Pytorch版Focal Loss
Focal loss 是 文章Focal Loss for Dense Object Detection中提出对简单样本的进行decay的一种损失函数。是对标准的Cross Entropy Loss 的一种改进。 F L对于简单样本（p比较大）回应较小的loss。 如论文中的图1， 在p=0.6时， 标准的CE然后又较大的loss， 但是对于FL就有相对较小的loss回应。这样就是对简单样本的...
2019-04-08 22:25:48
5101
转载 pytorch中的CrossEntropyLoss()函数
分类问题中，交叉熵函数是比较常用也是比较基础的损失函数，原来就是了解，但一直搞不懂他是怎么来的？为什么交叉熵能够表征真实样本标签和预测概率之间的差值？趁着这次学习把这些概念系统学习了一下。首先说起交叉熵，脑子里就会出现这个东西： 随后我们脑子里可能还会出现Sigmoid()这个函数: pytorch中的CrossEntropyLoss()函数实际就是先...
2019-04-08 22:18:09
9391
原创 双线性插值 一文全讲解
1、原理在图像的仿射变换中，很多地方需要用到插值运算，常见的插值运算包括最邻近插值，双线性插值，双三次插值，兰索思插值等方法，OpenCV提供了很多方法，其中，双线性插值由于折中的插值效果和运算速度，运用比较广泛。 越是简单的模型越适合用来举例子，我们就举个简单的图像：33 的256级灰度图。假如图像的象素矩阵如下图所示（这个原始图把它叫做源图，Source）：234 38 2267 4...
2019-01-13 15:35:56
1893
转载 CVPR2018 语义分割
语义分割 题目 解决问题 使用方法 code 框架 Dynamic Video Segmentation Network 运行速度+视频中运动表示主要的思想是使用两个network(一个full-segmentation, 一个flow-warp network...
2018-07-02 09:47:46
13899
1
原创 求不重复子字符串的最大长度
求不重复子字符串的最大长度例子：Given ==”pwwkew”==, the answer is ==”wke”==, with the length of ==3==.my Solution: 位置 0 1 2 3 4 5 字符串 a b c d b e设置一个128长度的数组，作为每个字符是否...
2018-07-02 09:45:30
2672
转载 Java Synchronized的用法
A. 无论synchronized关键字加在方法上还是对象上，如果它作用的对象是非静态的，则它取得的锁是对象；如果synchronized作用的对象是一个静态方法或一个类，则它取得的锁是对类，该类所有的对象同一把锁。 B. 每个对象只有一个锁（lock）与之相关联，谁拿到这个锁谁就可以运行它所控制的那段代码。 C. 实现同步是要很大的系统开销作为代价的，甚至可能造成死锁，所以尽量避免无谓的同步控制。
2017-11-29 21:35:29
155
原创 机器学习入门—无监督学习、监督学习、强化学习概念及算法介绍
1、无监督学习（Unsupervised Learning）1.1、定义利用无标签的数据学习数据的分布或数据与数据之间的关系被称作无监督学习。1.2、两大任务聚类(clustering)降维(Dimension Reduction)1.3、聚类(clustering)1.3.1、定义聚类，就是根据数据的“相似性”将数据分为多类的过程。估算两个不同样本之间的相似性，通 常使用的方法就是计算两个
2017-11-27 21:18:46
3509
原创 ColorLayout原理及性能
什么是Color Layout？Color Layout Descriptor是mpeg-7多媒体内容标准描述中一种高效的局部颜色特征描述，在基于内容的图像检索(Content Based Image Retrieval (CBIR) ) 中表现出很好性能，拥有计算成本低，匹配计算速度快，识别准确率高等优点。Color Layout可以应用于以图搜图、匹配视频片段等方面，目前比较成熟以图搜图的开源
2017-10-24 21:04:22
1087
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人