- 博客(15)
- 收藏
- 关注
RSS订阅原创 卷积神经网络CNN
4. 卷积神经网络CNN参考： https://www.zhihu.com/question/22298352 https://blog.csdn.net/suiyueruge1314/article/details/104949254 Ian Goodfellow, Yoshua Bengio and Aaron Courville: Deep Learning4.1 基础知识介绍4.1.1 卷积 我们知道深度学习是一种表示学习，通过神经网络来提取数据中的特征，卷积神经网络也是如此，
2021-07-11 09:42:31
284
原创 神经网络和多层感知机MLP
神经网络和多层感知机MLP1. 感知机到神经网络，神经网络的基本结构1.1 感知机感知机模型是将若干输入加权求和并通过激活函数后输出的模型：感知机可以表示为线性变换+非线性激活函数：z=∑i=1mwixi+bz=∑_{i=1}^{m}w_ix_i+bz=∑i=1mwixi+b$sign(z) = \left{ \begin{aligned} -1 z & < &0 \ 1 z & >= &0 \end{aligned} \right
2021-07-11 09:22:01
1066
原创 红外街道图像的目标检测：多尺度 对象级数据增强
红外街道图像的目标识别：多尺度+对象级数据增强Multiscale Object Detection in Infrared Streetscape Images Based on Deep Learning and Instance Level Data Augmentation文章目录红外街道图像的目标识别：多尺度+对象级数据增强Multiscale Object Detection in Infrared Streetscape Images Based on Deep Learning and
2020-10-14 23:18:02
1593
原创 目标检测 TridentNet 利用dilated rate的分支结构使网络提高对多种尺度目标的学习能力
TrientNet: 探索感受野对目标检测准确率的影响论文 2019：Scale-Aware Trident Networks for Object Dectection文章目录TrientNet: 探索感受野对目标检测准确率的影响论文 2019：Scale-Aware Trident Networks for Object Dectection一、对多尺度目标进行检测的探索1.相关研究2.对感受野的探索1）前提知识感受野普通的卷积如何增大感受野dilated convolution 空洞卷积/膨胀卷积
2020-10-11 12:54:22
452
原创 目标检测 RetinaNet 高精确度单段检测模型 Focal Loss
RetinaNet: 高准确率的单段目标检测模型论文：Focal Loss for Dense Object Detection文章目录RetinaNet: 高准确率的单段目标检测模型论文：Focal Loss for Dense Object Detection一、为什么单段模型与双段模型准确率相差甚远1.什么是单段(one-stage)模型与双段(two-stage)模型(1)双段模型：提取候选区+对候选区分类（2）单段模型：将目标检测定义为一个回归问题2.两种模型的准确率差距3.造成准确率差距的原
2020-10-06 15:16:43
407
原创 目标检测模型 YOLOv3 (YOLOv3: An Incremental Improvement)
YOLOv3YOLOv3: An incremental Improvement一、简述YOLOv3没有在YOLO9000上做出巨大的改进，它的工作更多的是基于YOLOv2的思路，设计了一个新的网络结构（Darknet-53），并将当时的一些新的点子加到这个模型上，以此来提高YOLO系列目标检测模型的准确率。YOLOv3的改进主要有：建立新的CNN模型（引入残差块）；利用多尺度特征进行目标检测；在分类时使用Logistic代替softmax。这篇文章比较随心所欲，最后作者阐述了自己一些关于计算机视
2020-10-02 00:32:47
424
原创 目标检测模型 YOLOv2 与 YOLO9000 (YOLO9000: Better, Faster, Stronger)
YOLOv2与YOLO9000YOLO9000: Better, Faster, Stronger一、简述YOLOv1 -> YOLOv2 -> YOLO9000 YOLOv1取得了实时的检测速度，但是仍不能算是最先进的目标检测模型，因为它的准确率还不够高（对YOLO的错误分析显示它在定位上犯了大量的错误）。由此Joseph Redmon等人在YOLO的基础上，一步一步地添加已有的提高准确度的各种技术,也就是说YOLOv2 = YOLOv1+许多提高准确率的技巧。在堆叠了大量技术后，YO
2020-10-02 00:32:14
501
原创 目标检测模型 YOLOv1 (You Only Look Once: Unified, Real-Time Object Detection)
YOLOv1一、背景按照时间顺序的一些目标检测方法：使用分类器进行目标检测，大致思想是使用一个分类器，然后对测试图像的不同位置进行评估。如DPM，使用滑动窗口在图片上运行分类器。R-CNN系列（1）最早的R-CNN，在原图上使用Selective Search算法提取region proposal，每个区域扭曲后输入CNN，提取出特征，再分别SVM的训练分类器和locator。训练与检测需要多个阶段，时间空间消耗巨大。（2） FRCN在此基础上，通过修改损失函数将分类与目标框损失
2020-10-02 00:31:11
293
原创 目标检测模型 YOLO系列
YOLO系列文章目录YOLO系列YOLOv1一、背景二、YOLO模型主要思想模型结构损失函数三、优缺点四、参考YOLOv2与YOLO9000YOLO9000: Better, Faster, Stronger一、简述YOLOv1 -> YOLOv2 -> YOLO9000二、从YOLOv1到YOLOv2：Better and Faster1）Batch Normolization：使收敛速度加快，可以省去其他正规化方法，如dropout。使mAP上升2.4.2）High Resolution
2020-10-02 00:29:19
1400
原创 最长公共子序列问题LCS 使用动态规划和备忘录方法实现
最长公共子序列问题LCS公共子序列子序列：给定一个序列X=<x1,x2…,xm>，另一个序列Z=<z1,z2…,zk>，存在一个严格递增的X的下标序列<i1,i2…ik>，满足对所有的j=1,2,…,k，xij = zj公共子序列：给定两个序列X和Y，Z同时是X和Y的子序列，称Z是X和Y的公共子序列。LCS的最优子结构令X=<x1,x2…,xm>和Y=<y1,y2,…,ym>为两个序列，Z=<z1,z2…,zk>为X和
2020-05-12 15:50:50
2260
原创 2k*2k 棋盘覆盖问题
棋盘覆盖问题问题叙述在一个2k×2k个方格组成的棋盘中，恰有一个方格与其它方格不同，称该方格为一特殊方格，且称该棋盘为一特殊棋盘。在棋盘覆盖问题中，要用图示的4种不同形态的L型骨牌覆盖给定的特殊棋盘上除特殊方格以外的所有方格，且任何2个L型骨牌不得重叠覆盖。图示：实例：2. 基本思路：关注的重点是特殊方格，2k2k的棋盘上如果没有特殊点，那么L型骨牌不可能完全覆盖，那么我们分治...
2020-04-25 20:04:01
7916
原创 重数 与 众数
重数与众数什么是重数与众数给定含有N个元素的多重集合S，每个元素在S中出现的次数称为该元素的重数，多重集合S中重数最大的元素称为多重集合S的众数，众数的重数称为多重集合S的重数，试求一个给定多重结合的重数和众数；例如：S={a,b,b,b,f,f,4,5}的重数是3，众数是b基本思路：采用变治的思想，首先进行预排序，然后通过一次遍历记录所有数据出现的次数，以及最大的一组。算...
2020-04-25 19:59:07
1713
原创 快速排序 与 Top-k (第k小数）
快速排序一、快速排序基本思路：快速排序使用分治的思想，通过Partition的动作将原数据集以一个枢轴pivot分割为小于pivot和大于pivot的两个部分，递归地在这两个部分继续分割，直到当前数据集大小为1，这时也完成了排序。算法PARTITION (array, left, right):pivot = array[left]temp=leftwhile (left&...
2020-04-25 19:52:23
668
原创 归并排序 MergeSort （设置哨兵）
归并排序基本思路归并排序使用分治的思想，每次将数据集分为前后两个部分，直到规模缩减为一，开始合并；合并时通过申请的空间，遍历两个子数据集，将每一个数据从小到大插入，最后将临时数据复制回原序列，直到最后一次得到完整的序列。算法MERGE(array, begin1, begin2, end):n1 = begin2-beign1n2 = end-begin2+1temp1[n1...
2020-04-25 19:43:45
677
原创 二分查找 BinarySearch 递归法及迭代法
**二分查找**基本思路：采取减治的方法，对比中间位置数据与关键字，相等则返回此位置，小于则递归搜索左半部分，否则搜索右半部分，如果搜索集合只剩下一个元素且不是关键字，则没有找到。算法BINARYSORT (array, i, j, key):if (i==j && array[i] ≠ key)if(array[i]<key)return (i, ...
2020-04-25 19:40:41
463
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