- 博客(72)
- 收藏
- 关注
RSS订阅
原创 目标检测论文导图
两阶段改进方法改进结构图（R-FCN，ME R-CNN，Couplenet）优化训练策略（hard example mining，a-fast-rcnn）上下文推理S. Gidaris and N. Komodakis. Object detection via a multiregion and semantic segmentation-aware CNN model. I...
2020-03-14 14:32:28
467
原创 清华源指定版本安装pytorch以及和torchvision的版本对应关系
使用清华源指定版本安装pytorch：python -m pip install torch==0.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simplepytorch和torchvision对应关系：
2021-02-23 19:34:34
1788
原创 pytorch中的pack_padded_sequence和pad_packed_sequence用法
pack_padded_sequence是将句子按照batch优先的原则记录每个句子的词，变化为不定长tensor，方便计算损失函数。pad_packed_sequence是将pack_padded_sequence生成的结构转化为原先的结构，定长的tensor。其中test.txt的内容As they sat in a nice coffee shop, he was too nervous to say anythingand she felt uncomfortable. Suddenl
2020-09-28 10:13:31
404
原创 目标检测系列：STDN(Scale-Transferrable Object Detection)
论文链接：http://openaccess.thecvf.com/content_cvpr_2018/papers/Zhou_Scale-Transferrable_Object_Detection_CVPR_2018_paper.pdf1. Introduction本文的初衷是利用多尺度来对检测结果提升，上图是不同的多尺度方式的操作方式，图a 是最传统的one-stage方式，例如，yo...
2020-04-05 21:05:44
733
原创 目标检测系列：SIN(Structure Inference Net）
论文链接：http://openaccess.thecvf.com/content_cvpr_2018/papers/Liu_Structure_Inference_Net_CVPR_2018_paper.pdf文章目录1. Introduction2. SIN2.1 主干网络2.2 信息传递2.3 Structure Inference3. 总结1. Introduction很多的论文都有...
2020-04-04 21:32:01
606
原创 目标检测系列：light head rcnn
论文链接：https://arxiv.org/pdf/1711.07264.pdf文章目录1. Introduction2. Light head R-CNN2.1 RCNN 子网2.2 Light head rcnn3. 实验细节4 总结1. Introduction都知道two-stage方法要比one-stage精度高，但是运行速度要慢很多，通过实验发现，faster rcnn和R-F...
2020-03-31 16:06:48
340
原创 image caption:Unsupervised image caption
论文链接：https://arxiv.org/pdf/1811.10787.pdf文章目录1. Introduction2. Unsupervised Image Caption2.1 整体网络结构2.1.1 Visual Concept Distillation2.1.2 latent space2.2 初始化3.总结1. Introduction本文提出的方法有三个目标：训练语言模...
2020-03-30 15:31:33
267
原创 机器学习系列：变分推断
1. Introduction我们已经知道概率模型可以分为，频率派的优化问题和贝叶斯派的积分问题。从贝叶斯角度来看推断，对于 x^\hat{x}x^ 这样的新样本，需要得到： p(x^∣X)=∫θp(x^,θ∣X)dθ=∫θp(θ∣X)p(x^∣θ,X)dθ p(\hat{x}|X)=\int_\theta p(\hat{x},\theta|X)d\theta=\int_\theta p(\th...
2020-03-29 15:05:27
335
原创 机器学习系列：高斯混合模型(GMM)
文章目录1. Introduction2.极大似然估计3. EM求解GMM1. Introduction为了解决高斯模型的单峰性的问题，我们引入多个高斯模型的加权平均来拟合多峰数据：p(x)=∑k=1KαkN(μk,Σk) p(x)=\sum\limits_{k=1}^K\alpha_k\mathcal{N}(\mu_k,\Sigma_k) p(x)=k=1∑KαkN(μk,Σk) ...
2020-03-28 17:25:32
414
原创 机器学习系列：期望最大（EM）算法
1. 期望最大期望最大算法的目的是解决具有隐变量的混合模型的参数估计（极大似然估计）MLE 对 p(x∣θ)p(x|\theta)p(x∣θ) 参数的估计记为：θMLE=argmaxθlogp(x∣θ)\theta_{MLE}=\mathop{argmax}\limits_\theta\log p(x|\theta)θMLE=θargmaxlogp(x∣θ)。EM 算法对这个问题的解决方法...
2020-03-28 15:17:25
284
原创 机器学习系列：概率图模型
文章目录1. Introduction2. 有向图-贝叶斯网络3.无向图-马尔科夫网络（马尔科夫随机场）4 两种图的转换-道德图5 因子图1. Introduction概率图模型使用图的方式表示概率分布。为了在图中添加各种概率，首先总结一下随机变量分布的一些规则：Sum Rule:p(x1)=∫p(x1,x2)dx2Product Rule:p(x1,x2)=p(x1∣x...
2020-03-28 13:20:33
215
原创 机器学习系列：SVM
支撑向量机支撑向量机（SVM）算法在分类问题中有着重要地位，其主要思想是最大化两类之间的间隔。按照数据集的特点：线性可分问题，如之前的感知机算法处理的问题线性可分，只有一点点错误点，如感知机算法发展出来的 Pocket 算法处理的问题非线性问题，完全不可分，如在感知机问题发展出来的多层感知机和深度学习这三种情况对于 SVM 分别有下面三种处理手段：hard-margin SVM...
2020-03-28 12:13:36
162
原创 机器学习系列：降维
我们知道，解决过拟合的问题除了正则化和添加数据之外，降维就是最好的方法。降维的思路来源于维度灾难的问题，我们知道 nnn 维球的体积为： CRn CR^n CRn 那么在球体积与边长为 2R2R2R 的超立方体比值为： limn→0CRn2nRn=0 \lim\limits_{n\rightarrow0}\frac{CR^n}{2^nR^n}=0 n→0lim2nRnCRn=0这就是所谓的...
2020-03-25 21:10:33
310
原创 目标检测系列：Mask RCNN
论文链接：http://openaccess.thecvf.com/content_ICCV_2017/papers/He_Mask_R-CNN_ICCV_2017_paper.pdf文章目录1. Introduction2. ROIAlign3. Mask rcnn1. Introduction这篇论文算是Faster rcnn的一个扩展，将faster rcnn模型用在了实例分割的任务上...
2020-03-25 18:07:09
489
原创 机器学习系列：回归问题
1. 线性分类介绍线性分类通常分为两种硬分类，我们直接输出预测观测值的类别，模型代表：线性判别分析感知机软分类，生成不同类别的概率，这类算法分为两种a. 生成式：* 高斯判别分析* 朴素Bayesb.判别式：* Logistic 回归这里解释一下什么是判别式，什么是生成式。现在假设我们要计算p(y∣x)p(y|x)p(y∣x)生成式：根据贝叶斯定理先计算参数后验概...
2020-03-24 21:45:20
197
原创 机器学习系列：线性回归
1. 基本的线性回归假设数据集为： D=(x1,y1),(x2,y2),⋯ ,(xN,yN) \mathcal{D}={(x_1, y_1),(x_2, y_2),\cdots,(x_N, y_N)} D=(x1,y1),(x2,y2),⋯,(xN,yN)要注意，这里的xix_ixi表示的是(xi1,xi2,⋯ ,xim)(x_{i1},x_{i2},\cdots,x_{im})(...
2020-03-24 18:33:37
129
原创 目标检测系列：couplenet
论文链接：CoupleNet: Coupling Global Structure with Local Parts for Object Detection文章目录1.Introduction2.CoupleNet2.1网络结构3.实验总结1.Introduction本文算是RFCN的一个改进方法，RFCN提出在目标检测中引入位置敏感得分图，去除了ROIPooling后不共享的部分，在速度...
2020-03-23 19:19:47
564
原创 目标检测系列：DCN
论文链接：Deformable Convolutional Networks文章目录1.Introduction2.Deformable Convolution Networks1.Introduction目标检测当中数据有一个问题，图片中物体的尺寸，姿势，方向都是不同的，这对检测的结果有很大的影响，这个问题通常有两个解决办法：1. 通过数据增强，扩大数据量，只要数据量足够大，训练好的模型可...
2020-03-22 19:15:29
1180
原创 目标检测系列：PVANET
论文链接：https://arxiv.xilesou.top/pdf/1608.08021.pdf文章目录1. Introduction2. 网络设计2.1 C.ReLU2.2 Inception结构2.3 多尺度融合3 整个特征提取网络结构3. 结论1. Introduction首先明确本文提出的目的，改进提取特征的网络，加速前馈网络的运行速度。本文进行目标检测和faster rcnn的...
2020-03-19 18:07:22
267
原创 目标检测系列：R-FCN
论文链接：https://arxiv.org/pdf/1605.06409.pdf文章目录1. Introduction2 RFCN方法3 总结：1. Introduction明确本文提出的目的，首先回顾一下Faster rcnn，如下图，可以将faster rcnn分为三部分网络部分，用来对图像提取特征，与region无关第二部分是RPN对anchors进行操作，需要映射到区域第三...
2020-03-18 18:34:19
305
原创 Image Caption：neural baby talk
论文链接：Neural baby talk https://arxiv.org/abs/1803.09845文章目录Introduction1. 本文的方法2. “slotted”描述模板的产生3. 损失函数Introduction本文提出了一种方法，人文对图片产生的描述分为两种，一种是句子本身的模型，一种是根据图像得到的信息，比如说A man sits on the chair‘A’...
2020-03-17 19:03:00
419
原创 目标检测系列：OHEM
论文连接：Training Region-based Object Detectors with Online Hard Example Mining1. 提出问题本文提出针对的问题：我们都知道，目标检测的原理就是通过枚举大量的候选框，这些框会包括所有物体，同时也会有更加多的只包含背景的框，正负样例的比例大约在70:1，者很显然是不好的，如果能减小这个比例，那很显然会更快的训练，并且拥有更高...
2020-03-16 19:44:09
455
原创 java面试题3
文章目录31 forward 和redirect区别32 tcp和udp的区别33 说一下 tcp 粘包是怎么产生的31 forward 和redirect区别是servlet种的两种主要的跳转方式。forward又叫转发，redirect叫做重定向这个过程其实很容易理解，举个例子，假设现有分布式服务器端，B和C，客户度A向B发送一个请求，要找id=1的数据，但是在B服务器没有找到，这时候就...
2020-03-15 21:20:56
187
原创 目标检测系列：faster rcnn
论文地址https://papers.nips.cc/paper/5638-faster-r-cnn-towards-real-time-object-detection-with-region-proposal-networks.pdffaster rcnn是rcnn系列的第三部，提出了Region Proposal Network（RPN），将目标检测分为了两个阶段：检测默认框是否有物体...
2020-03-14 19:10:19
197
原创 目标检测系列：yolov3
yolov3是yolo系列的最新的一篇，也是正宗yolo最后的一篇，因为该作者Joseph Redmon决定不再研究cv相关的东西，愿意是他的研究已经被用到了军事和隐私相关的东西上，这触碰了他的道德观念。他的观念惊到我了，外国很多国家都有着很坚实的信仰，这事儿放在ZG，很难会有人因为这个原因放弃自己的研究，而且已经算是在自己领域的定点，这不是某个人的问题，而是整个大时代背景的问题。正所谓 ，“天...
2020-03-13 15:51:50
255
原创 java面试题2
目录23 CAS(乐观锁)24 synchronized 和 volatile 的区别是什么？25synchronized 和 Lock 有什么区别？26 synchronized 和 ReentrantLock 区别是什么？27 反射机制23 CAS(乐观锁)synchronized是悲观锁，这种线程一旦得到锁，其他需要锁的线程就挂起的情况就是悲观锁。CAS操作的就是乐观锁，每次不加锁...
2020-03-13 10:45:58
121
原创 目标检测系列：yolov2
yolov1虽然速度很快，但是其精确度和对小物体的敏感程度有待提高，所以提出了yolov2，在yolov1 的基础之上弥补了一些不足。下图就是在yolov1基础之上的改进，一点点详细研究batch norm 批量标准化。批量归一化导致收敛的显着改善，而不需要其他形式的正则化。通过在YOLO中的所有卷积层上添加批量归一化，我们在mAP中获得超过2％的改进效果。批量规范化也有助于规范模型。使用...
2020-03-12 22:03:42
316
原创 目标检测系列：SSD
论文链接：SSD: Single Shot MultiBox Detector首先我们看一下这个题目可以知道，这是一个一阶段方法，肯定会有的好处，速度快，缺点就是精度没那么高，对小物体可能不敏感。然后MultiBox，这个是说要产生不同尺度的默认框，使默认框更加的多。SSD的整体结构借鉴了金字塔结构。原文作者认为他们的贡献如下：简单的说：比yolov1还快，精度可以和faster rcnn想...
2020-03-12 18:59:45
153
原创 目标检测系列：yolov1解析
接触目标检测一段时间，回过头来总结一下看过的论文。深度学习听起来很高大上，其实就只有两种问题，1. 分类问题， 2.回归问题，目标检测可以说是两种问题的结合。学过深度学习的人上手的第一个代码应该就是手写数字的分类，也就是对图像的分类问题，目标检测第一个任务也就是分类。看下面这张图，yolov1就是在图像上画大量的默认框，这些框足以圈住所有的物体，如图中，加粗的边框包住了狗，汽车和自行车。我们对...
2020-03-11 01:12:04
341
原创 java 面试题1
1. final关键字1.修饰类当用final修饰一个类时，表明这个类不能被继承。也就是说，如果一个类你永远不会让他被继承，就可以用final进行修饰。final类中的成员变量可以根据需要设为final，但是要注意final类中的所有成员方法都会被隐式地指定为final方法。 在使用final修饰类的时候，要注意谨慎选择，除非这个类真的在以后不会用来继承或者出于安全的考虑，尽量不要将类设...
2020-02-23 10:32:53
132
原创 java语法糖陷阱
public static void main(String args[]) { Integer a = 1; Integer b = 2; Integer c = 3; Integer d = 3; Integer e = 321; Integer f = 321; Long g = ...
2020-02-18 08:57:09
98
原创 tf.assign_add()和+区别, tf.identify
tf.assign_add()相当于将图上的点a进行加法运算，然后将结果赋值给节点a，这样图上只有一个节点，如下图所示，最后的所有值都会流回variablea = tf.Variable(3,name='a')op = tf.assign_add(a,1)b = tf.assign_add(op, 1)tf.summary.scalar('a', a)tf.summary.scalar...
2020-01-06 20:36:03
1916
原创 机器学习各种距离优缺点
1 欧式距离欧氏距离（Euclidean distance）也称欧几里得度量、欧几里得度量，是一个通常采用的距离定义，它是在m维空间中两个点之间的真实距离。在二维和三维空间中的欧氏距离的就是两点之间的距离。**缺点：**就大部分统计问题而言，欧氏距离是不能令人满意的。（每个坐标对欧氏距离的贡献是同等的。当坐标表示测量值时，它们往往带有大小不等的随机波动，在这种情况下，合理的方法是对坐标加权，...
2019-12-27 21:55:07
6431
原创 morris 二叉树遍历
def MorrisTraversal(root): pre = None if root is None: return curr = root while curr is not None: if curr.left is None: print curr.val curr = cu...
2019-12-15 16:22:30
93
原创 python 二维list旋转，非常简洁
逆时针旋转矩阵：先转置，再上下翻转。顺时针旋转矩阵：先上下翻转，再转置。逆时针a = [ [1, 2, 3], [4, 5, 6], [7, 8, 9]]b = list(map(list, zip(*a)))[::-1]’‘’zip(*a)求出来矩阵旋转，但是这是一个元组，((3, 6, 9), (2, 5, 8), (1, 4, 7))通过map...
2019-12-05 20:45:15
1130
原创 tensorflow lstm 详解
这里我们解释一下tf.nn.rnn_cell.BasicLSTMCell(),tf.nn.rnn_cell.MultRnnCell(),tf.nn.dynamic_rnn()的用法。1 tf.nn.rnn_cell.BasicLSTMCell()__init__( num_units, forget_bias=1.0, state_is_tuple=True, ...
2019-12-03 20:33:43
1041
原创 线性判别分析（lda）
LDA是一种经典的线性学习方法，在二分类问题中由Fisher（贼屌）提出，亦称“Fisher”判别分析。LDA思想就是给定训练样例即，设法将样例投影到一条直线上，使得同类型的投影点尽可能，一类样例的投影近可能远离，在对新样本进行分类时，将其投影到同样的这条直线上，再根据投影点的位置来确定样本的类别。协方差：变量之间的相关程度，绝对值越大相关程度越大，若是0全都相互的独立从公式上看，协方差...
2019-11-24 09:59:22
470
原创 svm一些问题
1. SVM 原理SVM 是一种二类分类模型。它的基本模型是在特征空间中寻找间隔最大化的分离超平面的线性分类器。当训练样本线性可分时，通过硬间隔最大化，学习一个线性分类器，即线性可分支持向量机；当训练数据近似线性可分时，引入松弛变量，通过软间隔最大化，学习一个线性分类器，即线性支持向量机；当训练数据线性不可分时，通过使用核技巧及软间隔最大化，学习非线性支持向量机。以上各种情况下的数学推到应...
2019-10-31 19:36:17
340
转载 拉普拉斯平滑和正则化
https://blog.csdn.net/wsj998689aa/article/details/40303561https://blog.csdn.net/wsj998689aa/article/details/40378547
2019-10-18 13:41:34
1498
转载 lstm num_units 参数理解
前言关于LSTM原理： http://colah.github.io/posts/2015-08-Understanding-LS...
2019-10-13 16:50:47
2287
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