- 博客(155)
- 资源 (3)
- 收藏
- 关注
RSS订阅转载 SOLO理解
原Blog链接：https://blog.csdn.net/qq_41994006/article/details/105170426论文链接：SOLO: Segmenting Objects by Locations简述实例分割属于比较challenging的任务，他相当于是object detection和semantic segmentation的结合体。在SOLO出现之前，有两种常用的paradigm：（1）top-down：先进行目标检测，再对检测框做分割，经典的方法有Mask RCNN、P
2021-11-21 16:28:09
287
转载 Mask-RCNN理解
原Blog链接：https://blog.csdn.net/weixin_42445581/article/details/93343834论文链接：Mask Region-based Convolutional Neural NetworkMask R-CNN是以Faster R-CNN为基础发展而来的。为了理解Mask R-CNN，建议读者先理解Faster R_CNN，可以参考Faster R-CNN的理解。结构对比图一和图二我们可知，相比于Faster R-CNN，Mask R-CNN有
2021-11-21 16:12:10
404
转载 DeepLab系列理解
原文Blog：https://zhuanlan.zhihu.com/p/612085581、deeplab v1针对标准的深度卷积神经网络的两个主要问题：1.Striding操作使得输出尺寸减小； 2.Pooling对输入小变化的不变性，v1 使用空洞卷积(atrous)+条件随机场(CRFs)来解决这两个问题。DeepLab v1是在VGG16的基础上做了修改：VGG16的全连接层转为卷积最后的两个最大池化层去掉了下采样后续卷积层的卷积核改为了空洞卷积在ImageNet上预训练的VGG16
2021-11-21 16:00:55
2366
转载 PSP-Net
原Blog链接：https://blog.csdn.net/ruoruojiaojiao/article/details/89328247论文链接：Pyramid Scene Parsing Network1. 概述场景解析的目的旨在为每一个像素分配一个类别标签。可以同时预测到标签，位置，以及每一个元素的形状。目前场景解析框架多数依赖于FCN， 取得较好的效果。但由于FCN存在缺少充分利用全局场景类别线索的缺点，使场景解析仍然面临有限制：多样化的场景和不受限制的词汇。比如对于相同的形状则分辨不出类别
2021-11-21 15:47:21
338
转载 U-Net理解
原Blog链接：https://www.cnblogs.com/fourmi/p/8985333.html论文链接：U-Net: Convolutional Networks for Biomedical Image SegmentationU-Net和FCN的区别在计算机视觉领域，全卷积网络（FCN）是比较有名的图像分割网络，医学图像处理方向，U-Net可以说是一个更加炙手可热的网络，基本上所有的分割问题，我们都会拿U-Net先看一下基本的结果，然后进行“魔改”。U-Net和FCN非常的相似，U-
2021-11-21 15:33:47
300
转载 FCN理解
原Blog链建：http://blog.csdn.net/shenxiaolu1984/article/details/51348149论文链接：Fully Convolutional Networks for Semantic Segmentation上图中，32x即为扩大32倍。Pool5扩大32倍就可以得到原来图像大小了。Pool5扩大2倍与Pool4融合得到，再扩大16倍也可以得到原来图像大小了。扩大2倍与Pool3融合再扩大8倍也可以得到原来图像大小了。核心思想本文包含了当下CNN
2021-11-21 15:16:47
170
转载 CenterNet理解
原文链接：https://blog.csdn.net/c20081052/article/details/89358658论文链接：Objects as Points代码链接：https://github.com/xingyizhou/CenterNetAbstract目标检测识别往往在图像上将目标用矩形框形式框出，该框的水平和垂直轴与图像的水平和垂直向平行。大多成功的目标检测器都先穷举出潜在目标位置，然后对该位置进行分类，这种做法浪费时间，低效，还需要额外的后处理。**本文中，我们采用不同的方法，
2021-01-28 10:59:28
497
转载 FCOS理解
原文链接：https://blog.csdn.net/hjxu2016/article/details/109642822论文链接：FCOS: Fully Convolutional One-Stage Object Detection代码链接：https://github.com/tianzhi0549/FCOS一、Anchor-based的缺点Anchor的设计非常重要，需要小心的调整超参数，以SSD、YOLOV2、V3等为例，超参数的选择对最终结果影响盛大即使仔细的设计了超参数，也难以所有
2021-01-28 09:54:47
603
转载 CornerNet理解
原文链接：https://blog.csdn.net/u014380165/article/details/83032273论文链接：CornerNet: Detecting Objects as Paired Keypoints代码链接：https://github.com/umich-vl/CornerNet这篇发表在ECCV2018上的目标检测文章给人一种眼前一亮的感觉，简单说一下几个比较吸引我的点：1、将目标检测问题当作关键点检测问题来解决，也就是通过检测目标框的左上角和右下角两个关键点得到预
2021-01-27 23:33:22
258
转载 Libra R-CNN理解
原文链接：https://blog.csdn.net/sinat_37145472/article/details/93903922论文链接：Libra R-CNN: Towards Balanced Learning for Object Detection总览论文主要讲述了三个贡献：IoU-balanced sampling—— reducing the imbalance at sample，让选择的样本更representative；balanced feature pyramid——
2021-01-27 22:37:34
1041
转载 Cascade R-CNN详解
原文链接：https://blog.csdn.net/stu_shanghui/article/details/92107050论文链接：Cascade R-CNN: Delving into High Quality Object Detection代码链接：https://github.com/zhaoweicai/cascade-rcnn特点：级联不同IOU阈值（界定正负样本）的输出，使不同IOU值检测与其相对应的IOU值的目标1.对IOU阈值设置问题进行了详细的分析Input IOU是输入
2021-01-27 22:26:52
464
转载 FPN理解
原文链接：https://blog.csdn.net/qiu931110/article/details/81458198论文地址：Feature Pyramid Networks for Object Detection作者提出的多尺度的object detection算法：FPN（feature pyramid networks）。原来多数的object detection算法都是只采用顶层特征做预测，但我们知道低层的特征语义信息比较少，但是目标位置准确；高层的特征语义信息比较丰富，但是目标位置比较
2021-01-27 22:13:26
215
原创 区块链入门
市面上五花八门的区块链介绍太多了，看了之后始终不得要领，想要深入了解区块链技术，还得从区块链的源头——比特币的工作原理进行学习。1.知乎上的一篇比特币工作原理科普知乎——比特币 (Bitcoin) 系统是如何运行的2.最初提出比特币的论文中本聪比特币：一种点对点电子货币系统...
2020-02-26 20:42:49
271
转载 YOLOv3 理解
原文链接：https://www.jianshu.com/p/d13ae1055302YOLO3主要的改进有：调整了网络结构；利用多尺度特征进行对象检测；对象分类用Logistic取代了softmax。新的网络结构Darknet-53在基本的图像特征提取方面，YOLO3采用了称之为Darknet-53的网络结构（含有53个卷积层），它借鉴了残差网络residual network的做法，在...
2020-01-17 08:29:52
1161
转载 Faster R-CNN理解
原Bloga链接：https://www.cnblogs.com/CZiFan/p/9914264.html论文地址：Faster R-CNN: Towards real-time object detection with region proposal networksFaster RCNN demo：https://github.com/rbgirshick/py-faster-rcnn...
2020-01-05 14:53:38
215
转载 Fast R-CNN理解
原文链接：https://www.cnblogs.com/CZiFan/p/9903518.html 0 - 背景 经典的R-CNN存在以下几个问题：训练分多步骤（先在分类数据集上预训练，再进行fine-tune训练，然后再针对每个类别都训练一个线性SVM分类器，最后再用regressors对bounding box进行回归，并且bounding box还需要通过selecti...
2020-01-02 10:44:23
239
转载 R-CNN论文详解（论文翻译）
原文链接https://blog.csdn.net/v1_vivian/article/details/78599229 ...
2019-12-31 11:41:36
758
原创 《Python数据分析与挖掘实战》笔记（四）：数据预处理
一、数据清洗缺失值处理（1）删除记录（2）不处理（3）数据插补均值、中位数、众数插补使用固定值最近临插补回归方法插值法：拉格朗日插值法，牛顿插值法异常值处理（1）删除记录（2）不处理（3）数据插补二、数据集成数据集成就是将多个数据源合并存放在一个一致的数据存储中的过程实体识别（1）同名异意（2）异名同意（3）单位不一致冗余属性识别（1）同一属性多次出现...
2019-09-06 10:52:30
317
转载 Docker----安装 MySQL
Docker 安装 MySQL方法一、通过 Dockerfile构建创建Dockerfile首先，创建目录mysql,用于存放后面的相关东西。runoob@runoob:~$ mkdir -p ~/mysql/data ~/mysql/logs ~/mysql/confdata目录将映射为mysql容器配置的数据文件存放路径logs目录将映射为mysql
2017-11-08 11:24:05
434
转载 Docker----制作一个带有JDK和tomcat的docker镜像
制作一个带有JDK和tomcat的docker镜像也许你和我一样，想要自己亲手制作一个热乎乎的镜像，最好自己指定JDK版本和tomcat版本。当然，这是可以的。根据我的水平，目前有两种办法可以制作我想要的这个镜像。来，我们先说简单点的。方式一首先，准备好想要的jdk和tomcat，另外，我们需要创建一个Dockerfile文件，什么，你说你不知道Dockerfile是什么也不会写D...
2017-11-08 11:20:10
1314
转载 Docker----CentOS Docker 安装
CentOS Docker 安装Docker支持以下的CentOS版本：CentOS 7 (64-bit)CentOS 6.5 (64-bit) 或更高的版本前提条件目前，CentOS 仅发行版本中的内核支持 Docker。Docker 运行在 CentOS 7 上，要求系统为64位、系统内核版本为 3.10 以上。Docker 运行在
2017-11-08 10:05:14
569
转载 Openstack----创建实例
原Blog：http://blog.csdn.net/yasyal515/article/details/74946977在Openstack中实例指的就是vm，本文主讲在dashboard上创建vm的基本步骤：在创建虚拟机之前，要做一些准备，添加安全组，创建ssh密钥对。本文基于vm所需的网络配置已经创建完毕的情况下进行创建，网络的配置可参考我blog的《
2017-11-08 09:39:45
1093
转载 OpenStack----手动安装OpenStack（分布式）
#OpenStack 手动安装手册（Icehouse）声明：本博客欢迎转发，但请保留原作者信息!作者：[罗勇] 云计算工程师、敏捷开发实践者博客：http://yongluo2013.github.io/微博：http://weibo.com/u/1704250760/##部署架构为了更好的展现OpenStack各组件分布式部署的特点，以及逻辑网络配置的区别，本
2017-11-07 22:21:50
5894
转载 OpenStack----使用devstack 安装openstack（All in one）
##devstack 安装openstackdevstack 主要是用于openstack 演示以及开发过程中自动化安装，通常不能直接用于生产环境部署。###环境准备从之前实验中准备好的虚拟机克隆一个新的虚拟机，配置如下Devstack VM： Name: devstack vCPU:4 Memory :4G Disk:30G Networks: net0，n
2017-11-07 22:09:10
1320
转载 机器学习----训练集、验证集、测试集
最近在看机器学习的东西发现验证集的（Validation set） 有时候被提起到，以时间没明白验证集的真正用途。首先，这三个名词在机器学习领域的文章中是很常见的，以下是这三个词的定义。 Training set: A set of examples used for learning, which is to fit the parameters [i.e., weights]
2017-11-07 13:18:38
968
转载 深度学习----BP+SGD+激活函数+代价函数+基本问题处理思路
原Blog：http://blog.csdn.net/MyArrow/article/details/51396654?locationNum=10&fps=10. 学习模型评价标准 1）学习速度 2）推广能力/泛化能力/Generalize1. 反向传播算法计算全过程 目标：计算出权重和偏差的梯度（通过反向传播误差的方式）。
2017-11-07 12:47:46
5056
转载 机器学习----特征工程
原Blog：http://www.cnblogs.com/jasonfreak/p/5448385.html目录1 特征工程是什么？2 数据预处理 2.1 无量纲化 2.1.1 标准化 2.1.2 区间缩放法 2.1.3 标准化与归一化的区别 2.2 对定量特征二值化 2.3 对定性特征哑编码 2.4 缺失值计算 2.
2017-11-06 19:35:37
521
转载 机器学习----正负样本不均衡
作者：宋天龙链接：https://www.zhihu.com/question/27535832/answer/223882022来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。1 通过过抽样和欠抽样解决样本不均衡抽样是解决样本分布不均衡相对简单且常用的方法，包括过抽样和欠抽样两种。过抽样（样本数量少时使用）过抽样（也叫上采样、ov
2017-11-06 19:01:41
3191
转载 机器学习----交叉验证（Cross Validation）简介
转自知乎：https://www.zhihu.com/question/23561944交叉验证的定义交叉验证（Cross Validation），有的时候也称作循环估计（Rotation Estimation），是一种统计学上将数据样本切割成较小子集的实用方法，该理论是由Seymour Geisser提出的。在模式识别（Pattern Recognitio
2017-11-06 17:10:13
5972
转载 机器学习----决策树
原Bolg：http://blog.csdn.net/zx10212029/article/details/49529843Decision tree决策树是机器学习中一种基本的分类和回归算法，是依托于策略抉择而建立起来的树。其主要优点是模型具有可读性，分类速度快，易于理解。决策树的思想主要来源于Quinlan在1986年提出的ID3算法和1993年提出的C4.5算法，以及有Bre
2017-11-06 16:04:57
527
转载 机器学习----从线性回归到逻辑斯特回归
原Blog：http://blog.csdn.net/zx10212029/article/details/49889319Linear Regression在学习李航《统计学习方法》的逻辑斯特回归时，正好coursera上相应的线性回归和逻辑斯特回归都学习完成，在此就一起进行总结，其中图片多来自coursera课程上。 线性回归是机器学习中很好理解的一种算法。我们以常见的房屋
2017-11-06 15:51:11
533
原创 量化交易----常见股票特征和编程实现
顺势指标CCI CCI中文译名为:随顺市势指标。它属于超买超卖指标中较特殊的一种。波动于广向正值无限大和微向负值无限小之间。本指标专门用以测量股价是否已超出常态分布范围计算公式 CCI（N日）=（TP－MA）÷Std÷0.015其中，TP=（最高价+最低价+收盘价）÷3 MA=近N日收盘价的累计之和÷N Std=近N日数据的标准差# Load the necessary packag
2017-11-04 20:40:51
15051
原创 量化交易----利用机器学习预测股票价格趋势
有了股票历史数据，如果我们决定采用机器学习的方法来制定策略算法的话，接下的步骤就是分析数据、选择特征和机器学习模型、预测结果等等。由于股票的数据分析和特征选择比较多样化，这里我们随意选取股票前两天的价格作为输入特征，当然实际工作中的特征选取就比这要复杂的多了。语法为Python2.7#!/usr/bin/python# -*- coding: utf-8 -*-# forecas...
2017-11-04 15:16:56
20501
2
原创 量化交易----获取沪深300股票数据
主要使用tushare 库来获取import numpy as npfrom pandas import Series, DataFrameimport pandas as pdimport matplotlib.pyplot as pltfrom numpy.random import randnfrom datetime import datetime, timedeltafrom
2017-11-04 14:49:50
11222
1
原创 量化交易----编程实例：爬取标普500指数股票数据
编程实战：首先建立数据库用于存储数据，接着在维基百科上爬取标普500的股票代码，最后利用雅虎财经的API接口爬取股票的历史价格数据1. 建立数据库在MySql数据库上建立四个数据表 表symbol用于存储标普500的股票的描述信息 表daily_price用于存储股票的每日价格 余下的两个数据表后期会使用到CREATE TABLE `exchange` ( `id` int NOT NUL
2017-11-04 00:50:57
8428
原创 量化交易----常见收益模型：CAPM、价格套利模型
1. CAPM模型 ri(t)： t时刻，股票i的收益 rm(t): t时刻，股票时常的整体收益情况 beta是权值系数，alpha是偏差系数 该模型是一个线性模型，在该模型中，某支股票的收益和大盘的首先线性相关基于该模型的几个注意事项这里有个市场有效性假说的概念。 市场有效性假说：投资者不可能通过分析以往价格获得高于市场平均水平的超额利润 如果市场有效性假说成立，可以推导出，E(alp
2017-11-03 17:23:12
8018
原创 opencv----人脸检测
在OpenCV中，人脸检测也是其热门应用之一。在OpenCV的特征检测专题就详细介绍了人脸检测的原理——通过Haar特征来识别是否为人脸。Haar特征检测原理与Haar特征分类器的训练放到下一篇《【OpenCV入门指南】第十四篇 Haartraining》来讲，本篇主要介绍如何在OpenCV中使用Haar特征分类器来对图像中的人脸进行检测和识别。下面将分成五步来详细示范如何在OpenCV中进
2017-11-02 21:19:27
467
转载 opencv----霍夫（Hough）变换：霍夫线变换，霍夫圆变换
本系列文章由@浅墨_毛星云 出品，转载请注明出处。 文章链接： http://blog.csdn.net/poem_qianmo/article/details/26977557作者：毛星云（浅墨） 微博：http://weibo.com/u/1723155442知乎：http://www.zhihu.co
2017-11-02 19:16:45
514
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人