- 博客(14)
- 收藏
- 关注
RSS订阅原创 Java后端-SSM框架总结
本文的所有题目均从网络整理Mybatis1. #{ } 和 ${ }两种占位符的区别#{ }是预编译处理，Mybatis在处理时，会将sql语句中的 #{ } 替换为 ? 号，调用PreparedStatement的set方法来赋值，可以防止sql注入。效率更高。${ } 是字符串替换，Mybatis在处理时，就是把 ${ } 替换成变量的值。适用于替换属性名的情况。可能参数sql注入。2. DAO接口为什么不需要实现类，它的工作原理。DAO接口有一个对应名称相同的xml映射文件，将D.
2021-04-07 20:20:04
479
原创 拿下回溯算法
写在前面参考：https://leetcode-cn.com/problems/permutations/solution/hui-su-suan-fa-python-dai-ma-java-dai-ma-by-liweiw/例题leetcode46 全排列答题链接：https://leetcode-cn.com/problems/permutations/题目描述：给定一个没有重复数字的序列，返回其所有可能的全排列。python实现class Solution: def permut
2021-03-14 15:41:10
134
原创 实习凉面经历
2021.3.10 阿里笔试根据犯人初始位置和一系列指令，判断犯人最终位置一个环形数组，数组的值表示一个权重，数组长度为3的整数倍。小明从数组中循环抽取数字，每次抽取后数组将删除该位置及其两侧位置的数值。求小明最终能获得的最大值。2021.3.10 腾讯云初试TCP三次握手过程及客户机和服务器的状态。TCP报文段表头和IP数据报表头组成。TTL作用。TCP拥塞控制方法。Linux tail指令，如何自己实现访问文件的最后几行。快排实现。...
2021-03-10 17:23:00
329
原创 形变卷积（Deformable Convolution）原理
形变卷积的概念提出自论文：Deformable Convolutional Networks 顾名思义，形变卷积的是相对于标准卷积的概念而来，在标准卷积操作中卷积核作用区域始终为中心点周围标准卷积核大小的矩形区域内（如下图a所示），而形变卷积则可以是不规则的区域（如下图b，c，d所示，其中b的偏置量随机；c，d为特例）。 形变卷积的实现方法如下图所示： 各个部分的维度信息如下： input feature map：（batch, H, W, C） output feature
2020-08-10 19:26:18
13039
9
原创 目标检测分类和定位：Rethinking Classification and Localization for Object Detection
本博客内容来自于论文：https://arxiv.org/pdf/1904.06493.pdf论文收录于CVPR2020论文内容 论文的主要内容是探究了目前目标检测网络中两种主流的Head结构：fully connected head（fc-head）、convolution head（conv-head）。实验证明了使用fc-head更具有空间敏感性，有利于分类任务，而conv-head更加有利于对目标框进行回归的定位任务，作者根据这个结论提出了结合两种形式执行分类和回归任务的Double-h.
2020-07-08 23:50:36
3218
2
原创 目标检测Anchor free方法总结：YOLOv1、CornerNet、CenterNet、FCOS
YOLOv1（2016）:https://arxiv.org/pdf/1506.02640.pdfCornerNet（2018）:https://arxiv.org/pdf/1808.01244.pdfCenterNet（2019）:https://arxiv.org/pdf/1904.08189.pdfFCOS（2019）：https://arxiv.org/pdf/1904.01355.pdf什么是Anchor free方法？ Anchor free是相对于Anchor base而言的一种目
2020-07-04 00:34:37
3865
2
原创 论文笔记：目标检测正负样本划分方法Adaptive Training Sample Selection (ATSS)原理
论文名称：Bridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection论文地址：https://arxiv.org/abs/1912.02424代码地址：https://github.com/sfzhang15/ATSS 该篇论文是CVPR2020收录的论文，论文探讨了目标检测中Anchor-base和Anchor-free方法的实质差异，并提出了Ada.
2020-06-25 19:43:19
1224
原创 目标检测20年（综述）
本文根据论文：Object Detection in 20 Years: A Survey 撰写，其中关于深度学习方面的目标检测算法我都会附上原论文的链接以及一些我认为写的还不错的博客。1、目标检测20年发展历程目标检测的发展历程主要分为两个阶段：传统目标检测方法、基于深度学习的目标检测方法。传统目标检测方法主要有三个：Viola Jones Detectors、HOG Detector、Deformable Part-based Model (DPM)。基于深度学习的目标检测方法又有两个分支，分
2020-05-20 21:41:16
1568
原创 tensorflow2.0使用GradientTape自定义训练鸢尾花分类器
本文根据谷歌Tensorflow的官方事例进行介绍。官方事例在自定义训练：演示中查看。通过该实例可以更好的了解GradientTape的使用，尤其在自定义网络损失函数时尤其重要。 在原事例中使用的是url下载谷歌的鸢尾花数据集，由于网络原因下载失败，于是选用sklearn中的鸢尾花数据集。具体实现代码如下：import tensorflow as tfimport osimport ...
2020-03-24 14:56:42
373
原创 KMP算法（串的模式匹配）原理及其C实现
KMP算法是由Knuth、Morris、Pratt三个人共同提出的串的模式匹配算法，常规的模式匹配算法通常需要O（m*n）的时间复杂度，而KMP算法只有O（m+n）的时间复杂度。 在串的模式匹配中有两个串，待匹配串String和模式串Pattern，KMP算法是通过先对模式串进行分析，建立一个match函数来管理模式串中的重复子串。match={满足p0...pi=pk...pj的最大i...
2020-02-26 10:49:24
458
原创 Python - Opencv实现图像超像素分割（SLIC、SEEDS、LSC）
超像素 超像素是把一张图片中具有相似特征的像素进行聚类，形成一个更具有代表性的大“像素”。这个新的像素可以作为其他图像处理算法的基本单位，可以减低图像的维度和异常像素点。目前常用的超像素分割算法有SLIC、SEEDS和LSC。下面来说说这些算法基于Opencv的Python实现。SLIC算法 算法具体可参考博客：SLIC超像素算法原理 那么我来讲讲如何在opencv去实现该算法。利用...
2020-01-09 21:25:56
16411
15
原创 奇异值（SVD）分解在图像处理中的意义及PCA的Python实现
这学期矩阵分析期末考试整了个矩阵奇异值分解的题，没顶住，痛定思痛，查阅了相关的文献，结合自己图像处理的研究方向，对矩阵奇异值的意义有了更加清晰的认识，故留此记录。什么是矩阵奇异值分解？根据教材的定义，对于任意m×n维复数矩阵A，存在m维酉矩阵P和n维酉矩阵Q，使得A满足分解式：A=P(D000)QHA=P \begin{pmatrix} D & 0 \...
2020-01-02 20:58:20
5068
6
原创 Python使用逻辑运算符and、or、nor判断整数正负
Python使用逻辑运算符and、or、nor判断整数正负今天刷Leetcode的时候，对整数进行翻转，由于Python的除法是向下取整，因此要对输入整数进行正负的判断，当时想到的是使用三目运算，但是看参考答案的时候，发现使用的是逻辑运算符进行正负数的判断，当时一脸懵逼，经过查找相关资料理解了原理，故此做个记录。答案代码如图所示：sign = x<0 and -1 or 1其中x为...
2019-11-07 14:57:14
3767
原创 TF-Slim的使用解析及其搭建CNN的方法
本文参考：《Tensorflow学习指南：深度学习系统构建详解》在Tensorflow的学习中，关于Tensorflow的抽象与简化提到最多的就是TF-Slim，因此做了一下简单的记录。TF-Slim属于Tensorflow的抽象库，相对于直接使用Tensorflow硬核搭建CNN，使用TF-Slim代码更加简单，主要原因在于TF-Slim可以直接定义一个层级的操作，包括卷积核大小、数量、...
2019-08-03 01:12:17
616
1
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