5 kabuto_hui

尚未进行身份认证

我要认证

渡己亦渡人

等级
TA的排名 1w+

【论文阅读】YOLOv3-YOLOv3: An Incremental Improvement

文章目录1. 细节1.1 Bounding boxes prediction1.2 Class Prediction1.3 Predictions Across Scales1.4 Feature Extractor2. 结论3. 一些失败的实验YOLOv3的论文相较于前两个版本,没有太大的改动,作者以一种实验报告的形式描述了YOLOv3的改进部分及实验结果,也非常坦率地公布了一些不太成功的实验...

2020-04-13 19:09:13

【论文阅读】YOLO-v2: YOLO9000: Better, faster, stronger

文章目录1. 动机2. 方法2.1 改进2.2 联合多个数据集的训练机制3. 总结1. 动机​ 当前大部分的目标检测模型都只能检测很少的类别,这主要是受到数据集的影响。相较于分类和tagging任务的数据集,目标检测数据集规模小,比如样本数量,类别等。所以在YOLOv2的论文里面,作者不仅提出了一个升级版本的YOLO,最主要的贡献是还提出了一个联合多个图片分类的数据集和目标检测数据集训练目标检...

2020-04-12 22:55:58

【论文阅读】RegNet-Designing Network Design Space

文章目录1. 动机2. 方法2.1 网络基本结构2.2 从AnyNetA到AnyNetE2.3 RegNet3. 总结4. 没有理解透的点1. 动机  当前设计网络结构的方法大部分是基于手工的,即通过做实验来确定相对最优的网结构。如果网络结构比较复杂,需要调整的超参数较多,手工的方式就很难找到最优的网络结构。所以大佬们设计了NAS(Network Architecture Search)及其拓...

2020-04-07 18:32:57

【论文阅读】YOLOv1-You Only Look Once: Unified, Real-Time Object Detection Joseph

文章目录1. 动机2. 方法2.1 网络结构2.2 模型成功关键因素2.2.1 图片网格化(gird)2.2.2 训练中的一些神操作2.2.3 LOSS的设计3. YOLO的优缺点3.1 优点3.1 缺点1. 动机​ YOLOv1版本发表于2016年,当时流行的一些目标检测算法有DPM(Deformable Parts Models)和R-CNN,这些方法的原理通常是从图片中首先找到一些可能是...

2020-04-01 18:10:21

git学习笔记

文章目录0. 学习资料1. git工作流2. 创建/克隆仓库3. 添加/取消/移动/删除文件4. 查看当前项目的状态5. 查看文件的改动信息6. 提交到仓库7. 分支管理(Branch)8. 查看提交日志9. git标签10. 远程仓库协同工作10.1 提取远程仓库10.2 推送到远程仓库10.3 删除远程仓库10.3 删除远程仓库0. 学习资料感谢菜鸟教程:菜鸟教程git官网:git do...

2020-03-18 19:18:21

手动实现打乱训练集并生成一个batch的简单方法

​ 在训练一个深度学习模型之前,我们会将数据集划分为训练集、验证集和测试集。在训练的时候,我们往往会将训练集打乱,划分成多个batch来进行训练。一般情况下,我们可以使用tf.data.Dataset或者tf.TFRecordReader()来实现。如果不使用这两个方法,我们利用numpy也可以实现这个功能。​ 下面我将定义一个类,来简单实现这个功能:import numpy as...

2019-12-02 11:49:01

【论文阅读】图像超分辨率(ISR) - RDN, SRGAN, ESRGAN

目录1.RDN(Residual Dense Network)残差密集网络【2018】1.1【Note】1.2【参数细节】1.3【超参数】2.SRGAN【2017】2.1【Note】3.ESRGAN【2018】3.1 与SRGAN中的生成器区别是做了以下的两个改进:3.2 与SRGAN中的判别器区别是做了以下的改进:3.3 关于感知损失(Perceptual...

2019-10-18 21:19:15

计算FLOPs和Parameters数量

在卷积中要计算的parameter数量:输入: 【H_in, W_in, C_in】卷积核大小: 【K_h, K_w】输出: 【H_out, W_out, C_out】parameters = (K_h * K_w * C_in)*C_out + C_out(偏置)FLOPs是指: floatin...

2019-09-06 11:33:56

关于XGBoost常问的一些问题的总结

l Xgboost和GBDT有什么异同? 传统GBDT以CART作为基分类器,xgboost还支持线性分类器,这个时候xgboost相当于带L1和L2正则化项的逻辑斯蒂回归(分类问题)或者线性回归(回归问题)。 传统GBDT在优化时只用到一阶导数信息,xgboost则对代价函数进行了二阶泰勒展开,同时用到了一阶和二阶导数。顺便提一下,xgboost工具支持自定义代价函数,只要函数可...

2019-09-06 11:30:24

ROC-AUC的编程实现

之前笔试的时候看到的问题,通常我们都知道AUC是ROC去下面覆盖的面积,计算的方式也是计算每个小梯形的面积然后叠加出来的。后来我查阅了一下,发现了两个更为简单的方法,所以在此记录一下:AUC的物理意义是任取一个正例和任取一个负例,正例排序在负例之前的概率。方法1:其中M是正样本的个数, N是负样本的个数。方法2:对于相同的prob,取一半。 具体操作...

2019-09-06 11:23:38

tf.data.Dataset与tfrecord学习笔记

目录1.tf.data.Dataset2.tfrecord2.1 使用tfrecord的原因2.2 tfrecord的写入2.3 tfrecord的读取3.两种方式的区别参考资料:1.tf.data.Dataset# 从tensor中获取数据dataset = tf.data.Dataset.from_tensor_slices(img_paths)...

2019-09-06 11:09:04

并查集及其典型应用

文章目录1. 图的连通性问题2. 并查集的原理简析2.1 初始化集合S2.2 Union(并)2.3 Find(查)2.4 通过读入直接相连的点对来更新S,并统计每个联通块的节点数目3. Python实现参考资料1. 图的连通性问题  (1)在地图上有若干城镇(点),已知所有有道路直接相连的城镇对。要解决整幅图的连通性问题。  (2)随意给你两个点,让你判断它们是否连通;或者问你整幅图一共有...

2019-08-26 17:01:14

最大公约数与最小公倍数的求法[Python]

最大公约数与最小公倍数的求法:1. 对输入的两个数判断大小,保证:a > b2. 进行循环,直到b = 0: temp = b b = a % b a = temp # 另一种表达方式为: a, b = b, a % b3. 最后返回b就是最大公约数最小公倍数就是两者的乘积除以最大公倍数Python代码实现 def func(num1, ...

2019-08-26 11:17:18

京东2020校招笔试题-合唱队分组

合唱队的N名学生站成一排依次编号为1-N,先要求在编号连续的前提下,将学生按照身高进行分组,要求每组的最矮的同学要比上一组最高的同学要高或者相等。问最大可以分成几组。输入:第一行: 人数第二行: 每个人的身高输出:最大的分组数如:输入:42 1 3 2输出:2解释:[2,1,3,2]->[[2,1], [3,2]]解题思路: 遍历数组,记录当前区间的最大值与最...

2019-08-24 21:58:30

10种排序算法总结(Python 版)

文章目录1. 冒泡排序($O(n^2)$)2. 快速排序($O(nlogn)$)3. 简单插入排序($O(n^2)$)4. 希尔排序($O(n\log n)$)5. 简单选择排序($O(n^2)$)6. 堆排序[$O(n\log n)$]7. 归并排序($O(n\log n)$)8. 计数排序($O(n+k)$)9. 桶排序($O(n+k)$)10. 基数排序($O(n*k)$)1. 冒泡...

2019-07-05 17:22:46

长短期记忆网络(LSTM)学习笔记

文章目录0 前言1 LSTM与RNN的异同2 LSTM结构细节2.1 细胞状态2.2 遗忘门2.3 输入门2.4 输出门3 总结4 LSTM的变体4.1 Adding “Peephole Connections”4.2 耦合遗忘门和输入门4.3 GRU(Gated Recurrent Unit)参考资料0 前言  循环神经网络工作的关键点就是使用历史信息来帮助当前的决策,但同时也带来更大的技术...

2019-07-04 23:14:58

循环神经网络(RNN)学习笔记

文章目录0 前言1 RNN结构2 手动实现一个RNN3 RNN的推导参考资料0 前言  循环神经网络(Recurrent Neural Network, RNN)的主要用途是处理和预测序列数据。无论是全连接神经网络还是卷积神经网络,其网络结构都是从输入层到隐藏层再到输出层,层与层之间是全连接或者部分连接,层之间的节点是无连接的。而循环神经网络隐藏层之间的结点是有连接的,隐藏层的输入不仅包括输入...

2019-07-03 23:29:34

《剑指Offer》-面试题Python实现合集

《剑指Offer》作为互联网行业求职必看的书籍,其中收录了各大公司招聘时常问到的一些面试题,对于大家通过技术面颇有裨益。因此这个月我也花了接近三周早上的时间,用于通览全书。由于书中是用C++实现的,而本人主要使用Python,因此在掌握解题思路后,采用Python对每个面试题进行了重构。本着先过一遍再慢慢消化和吸收的原则,仓促完成了所有面试题的重构。如有问题,欢迎大家交流讨论~全部代码放在了Gi...

2019-06-26 23:30:20

华为20190525研发笔试

1. 判断两个ip是是否为同一网段【题目描述】:输入两个ip地址和一个子网掩码,判断这两个ip地址是否属于同一网段(ip地址与子网掩码按位与,结果相同)。要求输出是否同一个网段(0否, 1是)和第一个ip与子网掩码按位与的结果【输入描述】:ip1 ip2 子网掩码(按空格隔开)【输出描述】:0或者1 第一个ip与子网掩码按位与的结果(用空格隔开)【测试用例】:【输入】:...

2019-05-31 22:33:26

从零开始-Machine Learning学习笔记(39)-Softmax回归

文章目录1. Logistic Regression(逻辑回归)2. Softmax回归1. Logistic Regression(逻辑回归)  在逻辑回归中,我们使用Sigmoid函数求取预测的概率:hθ(x(i))=11+e−θTx(i)h_{\theta}(x^{(i)}) = \frac{1}{1+e^{-{\theta^{T}x^{(i)}}}}hθ​(x(i))=1+e−θ...

2019-05-08 16:59:08

查看更多

勋章 我的勋章
  • GitHub
    GitHub
    绑定GitHub第三方账户获取
  • 专栏达人
    专栏达人
    授予成功创建个人博客专栏的用户。专栏中添加五篇以上博文即可点亮!撰写博客专栏浓缩技术精华,专栏达人就是你!
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv2
    勤写标兵Lv2
    授予每个自然周发布4篇到6篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。
  • 学习力
    学习力
    《原力计划【第二季】》第一期主题勋章 ,第一期活动已经结束啦,小伙伴们可以去参加第二期打卡挑战活动获取更多勋章哦。