5 zqnnn

尚未进行身份认证

我要认证

暂无相关简介

等级
TA的排名 18w+

从YOLOV1到YOLOV3

YOLOv1YOLOv1把输入图片切分成s×s个grid cell,每个grid cell只预测一个物体。如图所示:黄色grid cell会预测中心坐标点落入其中的这个person物体。注意这里的grid cell只是在图像上看起来是一个方格,实际是原图在经过yolo网络之后会变成s×s的feature map,下图中的一个grid cell经过网络变换之后到最后的特征层变成了一个坐标点。...

2019-08-14 13:38:00

C++——虚函数与纯虚函数

虚函数的作用是实现多态性(Polymorphism),多态性是将接口与实现进行分离,采用共同的方法,但因个体差异而采用不同的策略。纯虚函数则是一种特殊的虚函数。虚函数联系到多态,多态联系到继承。所以本文中都是在继承层次上做文章。虚函数1 .定义在C++中,基类必须将它的两种成员函数区分开来:一种是基类希望其派生类进行覆盖的函数;另一种是基类希望派生类直接继承而不要改变的函数。对...

2019-03-21 17:11:41

动态规划——背包问题

问题描述:有n个物品,编号1,2,3,、、n,其中第 i 个物品重量为Wi 价值 Vi ,有一个容量为W的背包。在容量允许范围内,如何选择物品,可以得到最大的价值。(为了简单起见,假设物品的重量 Wi 和价值Vi 都是正数)根据取物品的方式,背包问题又可以被分为三类:0/1背包问题(0-1 knapsack problem)这也是最常见的背包问题,对于每个物品,要么取...

2019-03-19 17:02:50

【计算机视觉笔记】图像检索学习 (Content Based Image Retrieval)

论文跟踪:Awesome image retrieval papers https://github.com/willard-yuan/awesome-cbir-papers综述:SIFT Meets CNN: A Decade Survey of Instance Retrievalgithub Overview:Guide-CBIR CBIR_LeaderBoard ...

2019-03-18 14:49:45

深度学习——Bottleneck Layer

Bottleneck Layer //BottleneckFeatures // Bottleneck Block输入输出维度差距较大,就像一个瓶颈一样,上窄下宽亦或上宽下窄"In order to reduce the number of weights, 1x1 filters are applied as a "bottleneck" to reduce the number ...

2019-03-06 16:42:50

机器学习——L1和L2正则化

正则化(Regularization)训练机器学习模型的要点之一是避免过拟合。如果发生过拟合,模型的精确度会下降。这是由于模型过度尝试捕获训练数据集的噪声。噪声,是指那些不能代表数据真实特性的数据点,它们的生成是随机的。学习和捕捉这些数据点让你的模型复杂度增大,有过拟合的风险。正则化是一种回归的形式,它将系数估计(coefficient estimate)朝零的方向进行约束、调整或缩小。也...

2019-03-06 09:17:12

深度学习——Batch Normalization

Batch NormalizationBatchNorm的基本思想:能不能让每个隐层节点的激活输入分布固定下来呢?这样就避免了“Internal Covariate Shift”问题了。之前的研究表明如果在图像处理中对输入图像进行白化(Whiten)操作的话——所谓白化,就是对输入数据分布变换到0均值,单位方差的正态分布——那么神经网络会较快收敛BN作者就开始推论了:图像是深度神经网络的输...

2019-03-04 14:21:45

深度学习——Internal Covariate Shift与Normalization

转载自https://blog.csdn.net/sinat_33741547/article/details/87158830Internal Covariate Shift与Normalization一、“Internal Covariate Shift”问题什么是“Internal Covariate Shift”?深度神经网络涉及到很多层的叠加,而每一层的参数更新会导致上...

2019-03-04 14:05:07

机器学习——SVM

转载自https://zhuanlan.zhihu.com/p/49331510定义Support Vector Machine,简称SVM,支持向量机,是一种二类分类模型,基本模型是定义在特征空间上的间隔最大的线性分类器。SVM的学习策略就是间隔最大化。直观理解图中有分别属于两类的一些二维数据点和三条直线。如果三条直线分别代表三个分类器的话,请问哪一个分类器比较好?我们凭直...

2019-03-04 09:37:47

opencv学习——霍夫变换原理

最近的项目用到了霍夫变换,感觉自己只是会调用函数,并不清楚原理,所以写这篇记录一下霍夫变换中心思想是通过坐标变换来检测直线,后来经过改进,就可以检测椭圆等将特定图形上的点变换到一组参数空间上,根据参数空间点累计的结果找到一个极大值对应的解,那么这个解就对应着要寻找的几何形状的参数(比如说直线,那么就会得到直线的斜率k与截距b,圆就会得到圆心与半径等等)。原始空间到参数空间的变...

2019-03-01 16:19:40

指针数组和数组指针

指针数组:array of pointers,即用于存储指针的数组,也就是数组元素都是指针数组指针:a pointer to an array,即指向数组的指针int* a[4]     指针数组                      表示:数组a中的元素都为int型指针                     元素表示:*a[i]   *(a[i])是一样的,因为[]优先级高...

2019-01-12 19:33:01

C++中的const和指针组合

1、指针常量const  int *p或者int const *pp 是指向常量的指针const在*前,p指向的这个int变量对于*p来说是const的,即不能通过*p改变这个变量的值,但是变量本身可以随便改变自己的值。另外也可以改变p的指向。例:int x=2;int y=3;const int *p=&x;*p=4;   //错误,不能通过*p改变变量的...

2019-01-11 19:35:58

opencv学习——图像和大型数组类型

cv::Mat类表示任意维度的稠密数组,其数据可以看做是按照栅格扫描顺序存储的n维数组所有的矩阵都包含(1)表示数组类型的元素flag(2)表示维度的元素dims——分别表示行和列的数目的元素rows和cols(dims>2时无效)(3)表示数据真正存储位置的data指针(4)表示该内存区域有多少个引用的refcount元素cv::Mat m;三行十列,数据类...

2019-01-10 17:02:21

opencv学习——opencv的数据类型[2]

cv::Rect类矩阵类包含Point类的x,y(矩阵左上角),size类的width和height(矩阵大小)默认构造 cv::Rect r;拷贝构造 cv::Rect r2(r1);数值初始化 cv::Rect r(x, y, w , h);点坐标及大小初始化构造 cv::Rect r(p,sz);两点初始化构造 cv::Rect r(p1, p2);成员访问 ...

2019-01-07 17:11:52

opencv学习——opencv的数据类型[1]

基本数据类型模板类:(1) cv::Vec<> 固定向量类(在编译时已知了向量的维度)大部分时间不会直接使用这个形式,而是使用它的别名(typedef)cv::Vec2i, cv::Vec4d......任何cv::Vec{2,3,4,6}{b, w, s, i, f, d}的组合都是有效的b(unsigned char),w(unsigned short), s(...

2019-01-07 17:01:28

opencv学习——cv::pyrDown(), cv::cvtColor(),cv::Canny()

(1)使用cv::pyrDown()创建一个新的图像,其宽和高均为原始图像的一半int main() { cv::Mat img1, img2; cv::namedWindow("Example1", cv::WINDOW_AUTOSIZE); cv::namedWindow("Example2", cv::WINDOW_AUTOSIZE); img1 = c...

2019-01-07 15:47:59

opencv学习——图像平滑处理

输入图像被5*5大小的高斯卷积核模糊高斯卷积核的大小必须是奇数#include <opencv2/opencv.hpp>void example(const cv::Mat & image){ cv::namedWindow("Example_in", cv::WINDOW_AUTOSIZE); cv::namedWindow("Example_o...

2019-01-06 19:27:52

ubuntu16.04侧边栏不见了的问题

因为在home中建立了.cache文件夹解决:rm-rf.cache

2018-06-25 19:19:38

训练集、验证集和测试集

训练集、验证集和测试集这三个名词在机器学习领域极其常见,但很多人并不是特别清楚,尤其是后两个经常被人混用。在有监督(supervise)的机器学习中,数据集常被分成2~3个,即:训练集(train set),验证集(validation set),测试集(test set)。 Ripley, B.D(1996)在他的经典专著Pattern Recognition and Neural Networ...

2018-06-13 14:59:13

tensorflow——变量与命名空间

在tensorflow里,有两种命名空间和两种变量声明函数:with tf.name_scope() as scopewith tf.variable_scope() as scopetf.get_variable()tf.Variablename_scope: 为了更好的管理变量的命名空间而提出,比如在tensorboard中,因为引入name_scope,Graph看起来才会井然有序va...

2018-06-13 10:47:15

查看更多

勋章 我的勋章
  • 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Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3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。