xin3475的博客

腾讯CSIG一面（凉）： 基本的项目介绍（由于我是做CV方向的，他们主要做NLP方向的，所以项目也不是很感兴趣）； 讲一下深度学习方面做过哪些工作或者一些认识，（由于最近在做类似Image Captioning的工作，就讲了讲最近看的一些CV和NLP结合的论文）； 语言特征和视觉特征是怎样融合的； 编程题：给定一个标注有bbox数据集的格式，对其进行读取。 腾讯PCG一面（电面）： 主要讨论项目经历，大概40min。 滴滴视觉组一面： 简单的项目介绍； 项目里用过YOLO，说一下YOLO的特点

import cv2 import numpy as np def warp_flow(img, flow, binarize=True): ''' img: h*w*c ndarray flow: h*w*2 ndarray ''' if flow is None: return img h, w = flow.shape[:2] #flow = -flow flow[:, :, 0] += np.arange(w) flow[:, :, 1] += np.arange.

import numpy as np def get_IOU(gt, bboxs): Xmin = np.maximum(gt[0], bboxs[:, 0]) Ymin = np.maximum(gt[1], bboxs[:, 1]) Xmax = np.minimum(gt[2], bboxs[:, 2]) Ymax = np.minimum(gt[3], ...

链接：https://www.cnblogs.com/onepixel/p/7674659.html

一、动机 用大量的数据去训练多个互补的神经网络去embedding，以达到去提升错误率高的类别的精度同时保持易分类高精度的目的。 二、背景 通过将训练多个弱分类器聚合为一个，boosting可以通过分配更大的权重去给hard sample更多的注意力，以此来提升分类器在大规模图像分类上的精确度。 但是现在存在的一些deep boosting算法仅仅使用weight error去替换之前的s...

一、目的 利用机器人和RGB-D深度传感器可以自动探索和重建未知区域。（主要是室内） 二、背景介绍： 移动机器人和深度传感器传感器的发展的促进。 在此研究方向中，机器人系统一般由两个级别的导航方式构成：全局路径规划（针对整个地图）和局部路径规划（针对单独的目标）。 Path planning（全局路径规划）负责去探索场景信息，通过全局位置信息和机器人自身定位去寻找Next-best ...

一、研究背景 弱监督学习在计算机视觉领域中是一个至关重要的任务。因为在视觉应用场景中，难以获取大量的clean label（需要经过人验证），但是我们可以通过一些预训练好的model去获得大量的noisy label（不精确或有错误）。所以如何利用大量noisy label数据去提高model的准确度和鲁棒性就显得十分重要。 当前在图像分类领域的弱监督学习方法大都会对noisylabel的类...