- 博客(16)
- 收藏
- 关注
RSS订阅原创 红黑树学习笔记
红黑树别人已经写的很好了，我这里只是记下自己学习时的笔记。参考链接在这里https://www.cnblogs.com/skywang12345/p/3245399.html红黑树的特性:（1）每个节点或者是黑色，或者是红色。（2）根节点是黑色。（3）每个叶子节点（NIL）是黑色。 [注意：这里叶子节点，是指为空(NIL或NULL)的叶子节点！]（4）如果一个节点是红色的，则它的子节点必须是黑色的。（即不能连续两个红）（5）从一个节点到该节点的子孙节点的所有路径上包含相同数目的黑节点。（即黑高相
2021-06-10 14:18:02
218
原创 cses 动态规划
Counting Towers题目大意：构建一个n×2n \times 2n×2的矩形，只能用矩形去构建。问有多少个不同的方案。题解：划分状态为最后一行是否联通。f[i][0]f[i][0]f[i][0]表示最后一行是i,且最后一行没有联通的方案数，f[i][1]f[i][1]f[i][1]表示最后一行是i,且最后一行联通的方案数. _ _ _ _ _ _ _ _ _ _ _ _ | ||
2021-06-03 14:23:06
919
原创 cses排序
Ferris Wheel题目大意：有一个n个数的数组A和一个x, 每次从A中选一个或两个数成为一个小组，这个小组的和要小于等于x， 求最少有几个小组。题解：从小到大排序，两个指针i,ji,ji,j分别指向最小和最大，如果A[i]+A[j]<=xA[i]+A[j]<=xA[i]+A[j]<=x则让i,ji,ji,j分为一组，否则jjj自成一组；int n,x;int A[N];int main(){ cin>>n>>x; for(int
2021-05-28 21:26:01
771
原创 docker修改shm-size
在docker容器内跑深度学习模型的shm错误报错：ERROR: Unexpected bus error encountered in worker. This might be caused by insufficient shared memory (shm).原因：主要是shm size太小了解决办法：方法一：删除当前容器，从新创建一个新的容器，加上参数–shm-size 4Gdocker run -it --shm-size 4G 镜像名 /bin/bash这种方法需要在创建的时候
2021-04-30 16:38:45
14694
1
原创 目标检测中的集合预测 (Set Prediction for Object Detection)
目标检测中的集合预测 (Set Prediction for Object Detection)1 简介目标检测中的集合预测常见的目标检测方法如Faster-RCNN，RetinaNet等都是通过预设anchor的方式进行预测，这种方式本质上就是类似滑动窗口的一种模式。而使用这种滑动窗口的方式其实是人为地给检测任务降低难度，这也确实是早期的传统方式做模式识别的一种主流方式。而基于集合预测的方式就显得更简单粗暴了，输入一副图像，网络的输出就是最终的预测的集合（也不需要任何后处理）能够直接得到预测的集合就
2020-12-25 16:16:55
8043
2
原创 【paper reading】Semantic Flow for Fast and Accurate Scene Parsing
文章目录1 Introduction and Related Work2 Method2.1 Network Architectures2.2 Flow Alignment Module(FAM)3 Experiments3.1 on Cityscapes4 Conclusion论文地址代码地址1 Introduction and Related Work语义分割两个重要的因素是（1）细节信息（2）强语义信息。而这两个因素普通情况下就像鱼与熊掌不可兼得，因为随着下采样的次数越多，特征的语义信息会更
2020-09-13 15:35:14
1350
2
原创 【paper reading】《Proposal learning for semi-supervised object detection》
原文地址：文章目录1 Backgroud and Motivation2 Method2.1 overview2.2 self-supervised2.3 consistency3 Experiments4 Conclusions1 Backgroud and Motivation如上图d所示，半监督的目标检测是一部分数据具有和全监督一样的标注信息(包括目标框和对应的分类)，剩下部分的数...
2020-04-28 23:05:14
1650
1
原创 【paper reading】Recurrent Models of Visual Attention
原文地址https://arxiv.org/abs/1406.62471 background and motivation神经网络在CV任务上逐年取得突破性成就，但是如今的硬件设备限制了输入图像的尺寸。这是14年的文章，即使在今天，仍然会面临着图像过大而带来巨大的训练及推理代价。本文的出发点就是要解决这些computational cost.从人类的认知领域出发，人类观察一张...
2020-02-15 22:56:15
362
原创 【Sampling】《Prime Sample Attention in Object Detection》
原文地址 ：https文章目录1 Background and Motivation2 Advantages3 Contributions4 Method4.1 IoU-HLR4.2 Score-HLR4.3 Importance-based Sample Reweighting4.4 比较prime sample与hard sample的数据分布4.5 Classification-Aware...
2019-09-30 17:44:01
2110
2
原创 隐马尔可夫模型(HMM)之概率计算
隐马尔可夫模型(HMM)之概率计算1. 前言本文主要对隐马尔可夫(Hidden Markov model,HMM)模型的三个基本问题做一个整理.其中所用符号与参考资料《统计学习方法》-李航保持一致，是对该章的学习笔记以便复习查看。本文主要是隐马尔可夫模型的第一个概率计算的问题整理。其他两个问题可参考隐马尔可夫模型(HMM)之学习问题隐马尔可夫模型(HMM)之预测问题2. 符号说明设...
2019-09-29 21:11:26
2830
1
原创 傅里叶变换一步步详细推导
前言在大学的时候接触过几次傅里叶变换的知识,但是从来没真正懂过.也在网上找过很多资料,看过很多视频,但是,这些内容要么举些简单的例子说说直观上的理解,要么就是直接堆出公式没有任何推导.直到一个巧合在B站上看到这样一个视频才真正搞懂,非常感谢这位UP主DR_CAN.这篇博客也主要是对视频中的推导模仿一遍.同时记录下笔记方便复习.另外,记录当时一条印象很深的弹幕: 根本就没有人会学不懂数学,只是...
2019-09-17 21:52:38
41285
31
原创 SVM(support vector machine)算法详解中之转化对偶问题
本文总结一下SVM(support vector machine)算法。学习SVM算法主要有三个难点：如何推导出基本的优化目标。(其中包括理解函数距离与几何距离)对于基本优化目标的公式如何转化为对偶问题。转化为对偶问题后对拉格朗日因子的求解，也就是SMO算法。因此，本文分为三个部分来讲述SVM算法。SVM【上】之形成优化目标SVM【中】之转化对偶问题SVM【下】之SMO算法求...
2019-07-19 21:42:49
590
原创 SVM(support vector machine)算法详解上之形成优化目标
本文总结一下SVM(support vector machine)算法。学习SVM算法主要有三个难点：如何推导出基本的优化目标。(其中包括理解函数距离与几何距离)对于基本优化目标的公式如何转化为对偶问题。转化为对偶问题后对拉格朗日因子的求解，也就是SMO算法。问题描述我们知道SVM是用来对目标进行分类的算法，也就是要做到如下图(左)这样，但是最简单的SVM模型应该是只能解决如下图(...
2019-07-14 15:19:53
1824
原创 GMM 模型与EM算法求解详细推导
1. 高斯模型与高维高斯模型介绍 高斯模型也就是正态分布模型，该模型最早可见于我们的高中数学教材中。闻其名知其意，正态分布是自然界中普遍存在的一种分布。比如，考试成绩，人的智力水平等等。都是大致呈现为正态分布。其概率密度函数为其中参数为μ,σ2 ，都是一维标量。 对于高维高斯模型，与一维类似，只是自变量变成了多维，是一个向量。其概率密度函数为其中参数为μ...
2019-06-29 16:42:49
3251
6
原创 Pyramid pooling module
Pyramid pooling 方法出自 2017CVPR,原文地址https://arxiv.org/pdf/1612.01105.pdf该文的一大贡献就是Pyramid pooling module(简称PPM)1. PPM有什么用 一般可以粗略地认为感受野就是使用上下文信息的大小。在很多网络中，我们都很重视全局信息的获取。在FCN中，就是没有充分的场景的上下文信息，导...
2019-06-27 15:47:17
12329
原创 循环神经网络RNN的反向传播
1. 前言本文主要是针对吴恩达的RNN课程的部分补充说明，吴恩达在反向传播的过程上没有细致的讲解，对我自己的学习造成了有一定的困惑，因此这里梳理一下RNN的前向反向传播，帮助自己更好的理解。这里的符号主要采用吴恩达课程中的符号，下面先对符号进行说明。 右上标尖括号表示第个时间时间序列的对象。例如，表示第个时间序列的输入 右下标表示一个向量...
2019-04-14 00:14:02
1524
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