yunxinan的专栏

原创 向量场在实例分割与三维物体识别应用

自然场景文本检测https://amds123.github.io/2018/11/30/TextMountain-Accurate-Scene-Text-Detection-via-Instance-Segmentation/物体识别和三维重建https://blog.csdn.net/u014636245/article/details/84829810...

原创 无人驾驶的面试问题

深度学习相关机器学习和深度学习的区别，各自适用于什么问题CNN基本原理，CNN的那些部分是神经元CNN去掉激活函数会怎么样介绍YOLO/SSD/RCNN/Faster-RCNN/Mask-RCNN算法YOLO v1/v2/v3 区别细节，SSD如何改进有思考过嘛，知道DSSD和FSSD嘛是否了解RPN，RoI pooling,和RoIAlignYOLO/SSD里面有全连接层嘛Y...

原创 解决目标检测中的难分样本（漏检测与误检测问题）

1、SRGAN论文题目：Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial论文链接：https://arxiv.org/abs/1609.04802论文代码：https://github.com/JustinhoCHN/SRGAN_Wasserstein超分辨率重建就是将低分辨率图像恢复成...

原创 行人检测最有价值的三篇文章

1、解决行人检测中密集遮挡问题论文题目：Repulsion Loss: Detecting Pedestrians in a Crowd论文链接：https://arxiv.org/abs/1711.07752损失函数共包含三部分，第一部分为预测框与真实目标框所产生的损失值（attraction term）;第二部分为预测框与相邻真实目标框所产生的损失值（repulsion term(Rep...

原创 模型优化技术

剪枝：https://github.com/Be997398715/keras_pruning知识蒸馏：https://github.com/Be997398715/Knowledge_Distrilling量化：https://github.com/Be997398715/BinaryNet

原创 系统学习机器学习

从资料和书的领悟1、看了论文不知道怎么实验2、做了实验不知道为啥出现这个结果，不会改。以上问题在我个人身上我彻底感悟到的是没能入门一个学派，没有学会系统学习和融合学习就像目前集成学习一样我们要先学会加法再做减法，毕竟逆运算要换位思考。哲学指导数学，物理发展了数学，数学发展了计算机器。而如今芬诺依曼结构计算机已经到了瓶颈，我看到了忆阻器硬件的深度学习在论文和资料中，当然量子计算机确实是一个未...

转载 Kubernetes部署tensorflow模型

在模型构建、训练、调整、测试后我们对自己的模型部署成服务时候，我们需要稳定访问避免死锁，本文是使用kubernetes部署tensorflow服务的一个流程TensorFlow on Kubernetes如我们上面所介绍的，在单机环境下是无法训练大型的神经网络的。在谷歌的内部，Google Brain以及TensorFlow都跑在谷歌内部的集群管理系统Borg上。我在谷歌电商时，我们使用的商...

原创 Linux命令（为机器学习服务的命令）

1、命令目的：写改删查。1、写：主要是使用vi、gr等工具2、改：改写的区别在于保存3、删：删掉冗余代码4、查：调试程序的IDE问题2、参考资料：3、功能代码：（慢慢更新补全）...

转载 大数据技术的十个关键点

第一课：目前数据分析主流的是R、python，相信大部分不会用C++和julia这两个和java的那套体系的工程量太大，并且大部分都是业务逻辑写改删查抄。C语言确实有点难，他和汇编类似，粒度到操作符级别，但是我认为编码必须学C++这个是一个编程基础。也是理解底层的基本功。第二课：线性回归、多元回归、多项式回归、非线性回归（倒数回归、对数回归）、多重共线性第三课：岭回归、第一课：概述与工...

原创 目标追踪

Deep Regression Tracking with Shrinkage Loss论文下载地址：http://suo.im/4ThBkK论文代码：https://github.com/chaoma99/DSLTECCV 2018 DaSiamRPN:《Distractor-aware Siamese Networks for Visual Object Tracking》本论文是20...

原创 教育与学习

最近一直思考一个对自己人生认识和定义的问题：1、适应落差2、换位思考3、塑造自己对事物分析能力和高效（并不是快速）获取”真知识“第一个问题：我思考了很久得出的结论就是心神要定，必须做一个长远规划（这个不能变），实施过程，近期目标，后面两个必须随时调整。我个人发现我们是高等教育现在具备了初步认识，但是几乎很少有人接受职业教育，这就导致知识无用论，我认为这个观点有点功利性但并非完全错，因为...

原创 如何高效获取知识

最近发现就是资料爆炸但是很难找到自己想深度的点：我读问题综合分析结果如下：1、没有按照学派的发展思路2、没搞清楚学派之间的联系和差异点3、表面现象和理论之间的知识表示过程真与假...

原创 目标检测初学者教程

https://cloud.tencent.com/developer/column/1646

原创 解决训练的时候在执行cuda时的错误

原创 如何高效的学习计算机视觉

从工业和学术界分析一、学术方向计算机视觉和传统机器学习一样只是一个子类，所以理论上计算机视觉的算法都能用在机器学习上，但是计算机视觉的 特点是图像的本身属性，图像成像原理和表示方式更加抽象。这样将问题归结到几个点上：学派体系机器学习的七大学派七大学派个人理解在计算机中扮演的角色视觉学术研究方向模式识别：优点和缺陷图形学：优点和缺陷视觉几何：优点和缺陷图像编解码和数据格式种类：...