2019年12月_小风_

原创云服务器的简单搭建，设置网页可以上网访问

最近准备做一个在线在网页，可以实现一些简单需求，然后通过学生优惠的方式买了一个一年云服务器，下面简单介绍如何设置云服务器并搭建网页。1.购买云服务器阿里云、腾讯云、华为云什么的都可，点进去，注册个号。下面以华为云作为介绍。自定义购买，看需要什么镜像，架构，规格等参数。有时候有学生优惠活动，一般都可以低价购买，活动链接得自己去找。这里我选用的是弹性云服务器ECS 用的CentOS 6....

2019-12-18 15:15:27 3768 1

题目链接：https://ac.nowcoder.com/acm/problem/16561题目描述恰逢 H 国国庆，国王邀请 n位大臣来玩一个有奖游戏。首先，他让每个大臣在左、右手上面分别写下一个整数，国王自己也在左、右手上各写一个整数。然后，让这 n位大臣排成一排，国王站在队伍的最前面。排好队后，所有的大臣都会获得国王奖赏的若干金币，每位大臣获得的金币数分别是：排在该大臣前面的所有人的左...

2019-12-09 10:56:22 642

原创【目标检测】基于推荐区域的two stage算法简单总结

从网络结构上来讲，目标检测算法可以被分为one stage框架的YOLO算法、SSD算法，以及two stage框架的R-CNN系列。one stage 和 two stage区别在于，前者是输入图像后在卷积神经网络中提取特征，预测物体分类和位置，后者是输入图像后在网络中生成多个候选框（Proposal Boxes），进行更精细的检测，找到待测物体的位置并分类。本文针对two stage算法，简...

2019-12-07 11:32:52 846

原创【目标检测】Faster RCNN学习笔记

背景R-CNN计算成本很高，但是各种推荐中共享卷积，成本已经大大降低，然而其训练过程和测试依然非常慢R-CNN方法端到端地对CNN进行训练，将推荐区域分类为目标类别或背景；R-CNN主要作为分类器，并不能预测目标边界，其准确度取决于区域推荐模块的性能在OverFeat方法中，训练一个全连接层来预测假定单个目标定位任务的边界框坐标，然后将全连接层变成卷积层，用于检测多个类别的目标Multi...

2019-12-04 17:08:54 322

原创【排序】图书管理员

题目链接：https://ac.nowcoder.com/acm/problem/16422题目描述图书馆中每本书都有一个图书编码，可以用于快速检索图书，这个图书编码是一个正整数。每位借书的读者手中有一个需求码，这个需求码也是一个正整数。如果一本书的图书编码恰好以读者的需求码结尾，那么这本书就是这位读者所需要的。小 D 刚刚当上图书馆的管理员，她知...

2019-12-03 21:34:24 998

原创【目标检测】Fast R-CNN学习笔记

背景R-CNN的缺点，最主要就是速度慢，问题出现的主要原因就是每个推荐区域都进行了前向运算R-CNN无论是训练还是在测试时，都要从每个测试图像中的每个推荐区域提取特征，是很浪费时间的SPPNet的出现，提出感兴趣区域池化(ROI Pooling)，使得网络的输入图像可以是任意尺寸的，输出则不变，同样是一个固定维数的向量。相关链接SPPNet计算整个输入图像的卷积特征图，然后使用从共享特征...

2019-12-03 20:30:04 214 1

原创【目标检测】R-CNN学习笔记

背景简单的说，目标检测就是将图像中的物体进行定位然后识别。在R-CNN之前，过去的十年间，目标识别任务主要建立在对HOG和SIFT等特征描述子的使用（OpenCV中也有相关的算法API可直接调用）2012年AlexNet的出现使得CNN开始逆袭人生并不断发展，相关有VGG、GoogLeNet、ResNet等，OverFeat是AlexNet的衍生，用于目标检测，但是效果不佳ImageNe...

2019-12-03 15:13:52 205

十二月未央未眠