Q&Cui-CSDN博客

原创知识蒸馏(Knowledge Distillation)

关于知识蒸馏，你一定要了解的三类基础算法

2022-11-25 10:41:47 2967

原创 Diffusion model理论推导

Diffusion Models：生成扩散模型

2022-10-12 20:45:10 2702 1

原创激光雷达数据处理

目录激光雷达点云的研究激光雷达数据的处理方法分类体素转化为图像直接对点云操作三种方式的优劣激光雷达点云的研究目前，学术界和业界对于激光雷达点云的处理方式的研究变的非常热门。我认为原因有二：来自学术界的推力：对于图片中的许多问题有了突破性的进展，例如图片...

2021-07-05 20:45:01 4666

原创 Multi-GPU Training of ConvNets

在这里插入图片描述

2021-04-01 21:58:34 197

转载机器学习中的优化综述

A Survey of Optimization Methods from a Machine Learning Perspective 原文地址：https://arxiv.org/abs/1906.06821 Abstract摘要机器学习发展迅速，在理论上取得了许多突破，并广泛应用于各个领域。优化作为机器学习的重要组成部分。随...

2021-03-23 10:20:26 2100

Mask R-CNN </h1> <div class="clear"></div> <div class="postBody"> https://www.cnblogs.com/kk17/p/9991446.htmlAROI部分理解:https://blog.csdn.net/qinghuaci666/article/details/80900882 https://blog.csdn.net/y...

2021-03-13 13:42:21 561

原创 End-to-End Object Detection with Transformers解读

paper:https://arxiv.org/abs/2005.12872Github开源地址：facebookresearch/detr一、创新点将目标检测任务转化为一个序列预测（set prediction）的任务，使用transformer编码-解码器结构和双边匹配的方法，由输入图像直接得到预测结果序列。和SOTA的检测方法不同，没有proposal（Faster R-CNN），没有anchor（YOLO），没有center(CenterNet)，也没有繁琐的NMS，直接预测检测框和类别，利用.

2021-03-05 16:13:05 606 1

转载目标检测总结笔记

一、目标检测基础：任务定义基本检测流程二、深度目标检测：两阶段检测器：R-CNN系列，后续相关工作单阶段监测器：YOLO,SSD,RetinaNet 三、目标检测评价：评价方式数据集和比较方法一、目标检测基础 1、任务定义：目标检测：输入：图像或者图像序列输出：在每张/帧图像上，判断是否有指定类别的物体，如果有，给出所有物体的位置和大小（位置和大小可以用框图左上角坐标和长宽表示（x,y,w,h））** 对于类型的...

2021-03-01 20:27:09 5813

原创 2021华师大模式识别与机器学习期末考试试题

计算机学院1、已知一笔交易是正常w1的概率为0.4，是欺诈w2的概率为0.6，已知一笔交易t，p(t|w1)=0.7，p(t|w2)=0.5,用最大后验概率判别类别及错误率。2、简述线性分类器的思想、表达式、结果。3、高斯混合模型表达式及EM算法求解思路。4、马尔科夫毯的变量。5、简述行动者评论家算法流程。软件学院1、简述批处理K-means算法流程2、请写出二分类的支持向量机在线性不可分情况的目标函数以及优化函数3、根据贝叶斯网络，判断下面说法正确的是：问：（1）A和F独立（2）

2021-01-13 18:28:11 2036 6

原创车道线检测

近期阅读的几篇关于车道线检测的论文总结。1. 任务需求分析1.1 问题分析针对车道线检测任务，需要明确的问题包括：（1）如何对车道线建模，即用什么方式来表示车道线。从应用的角度来说，最终需要的是车道线在世界坐标系下的方程。而神经网络更适合提取图像层面的特征，直接回归方程参数不是不可能，但限制太多。由此，网络推理输出和最终结果之间存在一个Gap，需要相对复杂的后处理去解决。（2）网络推理做到哪一步。人在开车时观察车道线，会同时关注两方面信息：绘制在路面上的车道线标识本身通过车...

2020-12-29 12:03:23 3127 1

原创主动学习

*主动学习就像学生（分类器）学习一样，专门学习自己不会的（最有价值的未标记样本），然后再通过老师讲解（专家标注），不断提高自己成绩 Active Learning，即主动学习，通过一定的算法查询最有用的未标记样本，并交由专家进行标记，然后用查询到的样本训练分类模型来提高模型的精确度。* 深度学习在各种各样的实际应用中取得巨大突破，其主要的推动力在于三个方面：数据，算法和算力。也就是说，在很多情况下，一个完整的解决方案，需要具备这样的条件：1）足够的.

2020-12-18 21:25:25 262 1

转载图解Transformer（完整版）

编者按：前一段时间谷歌推出的BERT模型在11项NLP任务中夺得SOTA结果，引爆了整个NLP界。而BERT取得成功的一个关键因素是Transformer的强大作用。谷歌的Transformer模型最早是用于机器翻译任务，当时达到了SOTA效果。Transformer改进了RNN最被人诟病的训练慢的缺点，利用self-attention机制实现快速并行。并且Transformer可以增加到非常深的深度，充分发掘DNN模型的特性，提升模型准确率。在本文中，我们将研究Transformer模型，把它掰开揉碎，理

2020-12-03 16:26:52 1257

转载 CurveLane-NAS: Unifying Lane-Sensitive Architecture Search and Adaptive Poin

这篇文章是华为诺亚方舟实验室和中山大学开源的弯道车道线检测的工作，主要利用了NAS技术实现，使得车道敏感架构搜索和自适应点混合统一的用于曲线车道检测，解决了曲线车道检测问题。与现有方法相比，搜索网络实现了速度/FLOPS权衡的SOTA。论文地址：http://arxiv.org/pdf/2007.12147v1.pdf 代码地址：https://github.com/xbjxh/curvelanes 本文解决了弯道车道检测问题，它比传统的车道检测面临更多现实挑战，以更好地促进现代辅...

2020-10-31 11:31:20 1484 1

转载 FCN 全卷积网络论文阅读及代码实现

今天来看一篇复古的文章，Full Convolutional Networks 即全卷积神经网络，这是 2015 年的一篇语义分割方向的文章，是一篇比较久远的开山之作。因为最近在研究语义分割方向，所以还是决定先从这个鼻祖入手，毕竟后面的文章很多都借鉴了这篇文章的思想，掌握好基础我们才能飞的更高。本篇文章分为两部分: 论文解读与代码实现。论文地址: Fully Convolutional Networks for Semantic Segmentationpeople.eecs.berkeley.edu论文

2020-10-21 11:17:13 790 2

转载 Unet论文解读

Unet 背景介绍Unet 发表于 2015 年，属于 FCN 的一种变体，想了解 FCN 可以看我的另一篇 FCN 全卷积网络论文阅读及代码实现。Unet 的初衷是为了解决生物医学图像方面的问题，由于效果确实很好后来也被广泛的应用在语义分割的各个方向，比如卫星图像分割，工业瑕疵检测等。Unet 跟 FCN 都是 Encoder-Decoder 结构，结构简单但很有效。Encoder 负责特征提取，你可以将自己熟悉的各种特征提取网络放在这个位置。由于在医学方面，样本收集较为困难，作者为了解决这个问题，应用

2020-10-21 10:39:23 3875

转载 FCN论文学习（Fully Convolutional Networks for Semantic Segmentation）

直观展现网络结构：http://ethereon.github.io/netscope/#/editor 卷积与逆卷积的动图https://github.com/vdumoulin/conv_arithmetic 【原文图】“Fully convolutional networks for semantic segmentation.” 上图中，32x即为扩大32倍。 Pool5扩大32...

2020-10-20 20:22:23 341

原创 2020年华东师大研究生机试题

华东师范大学计算机2020届机试

2020-10-17 14:51:40 10556 5

转载机器学习中导数最优化方法(基础篇)

1. 前言熟悉机器学习的童鞋都知道，优化方法是其中一个非常重要的话题，最常见的情形就是利用目标函数的导数通过多次迭代来求解无约束最优化问题。实现简单，coding 方便，是训练模型的必备利器之一。这篇博客主要总结一下使用导数的最优化方法的几个基本方法，梳理梳理相关的数学知识，本人也是一边写一边学，如有问题，欢迎指正，共同学习，一起进步。 2. 几个数学概念1) 梯度（一阶导数）考虑一座在 (x1, x2) 点高度是 f(x1, x2) 的山。那么，某一点的梯度方向是在该点坡度最陡的方向，

2020-07-30 23:21:56 1038

转载 Numpy入门学习之(二)linalg库----向量范数、矩阵范数、行列式、矩阵逆、幂

老师课堂总结，请勿转载Numpy中的核心线性代数工具numpy.linalg模块包含线性代数的函数。使用这个模块，我们可以计算逆矩阵、求特征值、解线性方程组以及求解行列式等。求解矩阵的范数在实数域中，数的大小和两个数之间的距离是通过绝对值来度量的。在解析几何中，向量的大小和两个向量之差的大小是 “长度 ” 和 “ 距离 ”的概念来度量的。为了对矩阵运算进行数值分析，我们需要对...

2020-07-30 23:07:45 1128

转载机器学习中常用的矩阵求导

问题引入首先以一个网上很多博文引用的例子来开篇，例子见下图问题初试在了解向量和向量求导的时候，我看过以下一些公式：...

2020-07-27 23:41:08 291

转载 numpy库基础函数

安装方法numpy：pip3 install numpy11. ndarray数组基础python中用列表保存一组值，可将列表当数组使用。另外，python中有array模块，但它不支持多维数组，无论是时列表还是array模块都没有科学运算函数，不适合做矩阵等科学计算。numpy没有使用python本身的数组机制，而是提供了ndarray对象，该对象不仅能方便地存取数组，而且拥有丰富的数组计算函数。使用前先导入Numpy模块import numpy as np#或from numpy imp

2020-07-24 23:05:45 227

原创 2020华师大个人考研总结

本人双非二本，现已被华东师范大学计算机专硕录取。初试政治67，英语69，数学二130，408综合110，总分376，专硕初试第三，复试总分431.4，总成绩392.6，总成绩第四。回想起大学四年，自己一个人瞎摸索了四年，酸甜苦辣，冷暖自知。当自己成为上岸的一员时，经验谈不上，只能给未来人一点点建议，以免少走一些弯路。我深知一个二本学生考研的不易，也认识很多上岸的二本学生凭借考研上岸985、211，做为一名二本学生，可能我们比考研太多学生期望能够上岸，因为我们不上岸，面临的压力比别人大的多。我也看大多二本学

2020-05-19 11:00:04 2468

原创一研为定

今天考研终于有了结果，下午一点多随着学硕拟录取先出来，我的手不断颤抖的查了好几遍，终于专硕成绩也出了了，看到拟录取，一年多的努力终于没有白费。回想起考研初试到复试，酸甜苦辣，冷暖自知。感谢自己，一路上不停的努力，也实现了从小到大的名校梦，只是到今天才实现来的太迟了。感谢这四年里的老师同学们，以及支持我的朋友们，你们的鼓励，我会继续努力下去。There is no one stop you,but yourself....

2020-05-15 17:01:07 548

原创 1114. 素数环

单点时限: 4.0 sec内存限制: 256 MB一个由自然数 () 素数环就是如下图所示，环上任意两个节点上数值之和为素数。1/ 4 2\ /3输入格式输入只有一个数，表示你需要建立一个的素数环。输出格式按照字典序输出每一种情况。我们约定顺时针为正向，且第一个元素必须是，参见 Sample。样例input6output1 4 3 2 5 61 6 5 2 3 4/*思路：dfs全排列加判断*/#include<iostream>#incl

2020-05-11 09:58:11 334

转载计算机视觉入门

目录简介方向热点简介计算机视觉（Computer Vision）又称为机器视觉（Machine Vision），顾名思义是一门“教”会计算机如何去“看”世界的学科。在机器学习大热的前景之下，计算机视觉与自然语言处理（Natural Language Process， NLP）及语音识别（Speech R...

2020-05-10 22:39:41 760

原创 180. 地铁站

单点时限: 2.0 sec内存限制: 256 MB号线地铁从始发站金运路（称为第站）开出，在始发站上车的人数为，然后到达第站，在第站有人上、下车，但上、下车的人数相同，因此在第站开出时（即在到达第 3 站之前）车上的人数保持为人。从第站起（包括第站）上、下车的人数有一定规律：上车的人数都是前两站上车人数之和，而下车人数等于上一站上车人数，一直到终点站的前一站（第站），都满足此规律。现给出的条件是：共有个车站，始发站上车的人数为，最后一站下车的人数是（全部下车）

2020-05-10 15:00:43 419

原创 3210. Maximum Element

单点时限: 2.0 sec内存限制: 256 MBYou have an empty sequence, and you will be given queries. Each query is one of these three types:1 x -Push the element x into the stack.2 -Delete the element present at the top of the stack.3 -Print the maximum elemen

2020-05-10 09:45:51 322

原创 184. 负基数进制转换

样例input-25000 -16output7FB8input30000 -2output11011010101110000负数进制规则如下：if 余数<0 then：余数=余数-m;商=商+1;else：余数=正常；商=正常商#include<iostream>#include<vector>using namespace std;int main() { int a,b; cin>>a>>b; vect.

2020-05-09 21:18:53 389

原创 2836. Financial Management

单点时限: 5.0 sec内存限制: 256 MBMichael graduated of ITESO this year and finally has a job. He’s making a lot of money, but somehow never seems to have enough. Michael has decided that he needs to grab hold of his financial portfolio and solve his financing pro

2020-05-09 14:26:47 154

原创 1027. 邮资的问题

单点时限: 2.0 sec内存限制: 256 MB有 n 种面额不同的邮票，面额分别为 C1,C2,C3……Cn。面额 Ci 的邮票最多可以取 Mi 张。请问，用这些邮票，可以贴出多少面额不同的邮资 (包括 0)。贴邮票时，邮票不必全部使用。输入格式本题有多组数据，第一行为一个整数 t，表示有 t 组测试数据。每组测试数据的第一行为一个整数 n，表示有多少种不同面额的邮票。(1<=N<=10)第二行有 n 个整数，分别表示第 C1,C2….Cn 种不同面额。(1<=Ci<

2020-05-09 10:43:33 250

原创 2015. 自修室

单点时限: 2.0 sec内存限制: 256 MB一直不去自修室的 Rocker 最近迫于学习压力决定每天都要去自修，鉴于自修室多多，何必与人争挤，所以 Rocker 要坐在左右一个座位都没人，如果不是第一排，那么他的前面一个座位也没有人的位置上，当然 Rocker 也可以坐在墙边但前面或左边或右边有座位的话要没有人才可以。Rocker 眼力异常好，只要在门口瞟一眼就可以知道哪个位置上有人哪个没有人，但 Rocker 大脑毕竟不像电脑可以迅速计算出这间教室有没有符合他要求的位置，所以请你写一个程序帮助

2020-05-08 19:53:44 270

空空如也

空空如也