原创 從2014年到2017年——我的數模經歷
白天剛結束了今年的研究生數模,想到這可能是我最後一次參加數模了,還是挺有感觸的。故把本人四年建模的一些所思所想記錄在這裏。 四年數模經歷 從建模課到找隊友 我並不是一開始就參加數學建模比賽的,在這之前,有半個學期的數學建模課,至於
原创 論文筆記:再看ResNet——ResNet典型網絡結構
前言 第一次看ResNet論文的時候,由於剛接觸深度學習不久,對ResNet的理解僅僅停留在論文中闡述的一些基本思想。加上當時實驗室的硬件條件很有限,用的模型基本上以AlexNet和VGG爲主,並沒有在學習中使用過ResNet。因
原创 目標定位與檢測系列(15):目標檢測常用損失函數
文章目錄類別損失Cross Entropy LossFocal Loss位置損失L1 LossL2 LossSmooth L1 LossIoU LossGIoU LossDIoU LossCIoU Loss 一般的目標檢測模型包含
原创 目標定位與檢測系列(12):RetinaNet
論文鏈接:RetinaNet 摘要 目前目標檢測任務中精度最高的模型是基於主流的R-CNN框架的二階段模型,該類方法在一些列目標候選框上進行分類。相對的,一階段模型直接在大量的可能包含目標的區域進行檢測,這樣做速度更快但相比於兩階
原创 目標定位與檢測系列(11):Cascade R-CNN
論文原文:Cascade R-CNN 摘要 在目標檢測中,使用IOU來定義正負樣本。用比較低的IOU閾值(如0.5)訓練得到的模型在檢測時往往包含噪聲。相反地,如果增加IOU閾值,檢測性能會下降。產生這種現象的原因有兩個:(1)訓
原创 目標定位與檢測系列(13):TridentNet
論文鏈接:TridentNet 摘要 尺度變化是目標檢測領域中的重要挑戰之一。在本文工作中,我們做實驗研究了目標檢測中感受野對於尺度變化的影響。基於這些實驗結論,我們提出了一種新穎的三叉戟網絡(TridentNet),旨在生成特定
原创 論文筆記:Batch Normalization
論文原文鏈接:https://arxiv.org/abs/1502.03167 Abstract 深度神經網絡訓練過程中前面層參數的變化會導致每一層輸入分佈發生改變,這使得網絡訓練變得複雜。這個問題還使得網絡需要以較低的學習率和仔
原创 如何快速轉載CSDN中的博客
前言 本文轉自:http://blog.csdn.net/bolu1234/article/etails/51867099 對於喜歡逛CSDN的人來說,看別人的博客確實能夠對自己有不小的提高,有時候看到特別好的博客想轉載下載,
原创 Python中文件的讀取和寫入
從文件中讀取數據 讀取整個文件 這裏假設在當前目錄下有一個文件名爲’pi_digits.txt’的文本文件,裏面的數據如下: 3.1415926535 8979323846 2643383279 with open('pi_dig
原创 目標定位與檢測系列(14):Libra R-CNN
論文地址:https://arxiv.org/pdf/1904.02701.pdf 摘要 相比於模型框架,模型的訓練過程對於檢測器是否成功也同樣重要。在本文工作中,我們重新研究了標準的訓練過程,發現檢測的性能經常受限於模型訓練過程
原创 Opencv筆記:利用霍夫變換檢測圖像中的紅球
代碼功能爲從一副圖像中檢測紅球,當然也可以針對視頻的單幀圖像進行檢測,關於霍夫圓變換HoughCircles()函數及其原理主要參考了《opencv3編程入門》 HoughCircles()函數 函數原型: void HoughC
原创 論文筆記:GoogLenet
論文原文鏈接:https://arxiv.org/abs/1409.4842 摘要 本文提出了一種叫做Inception的深度卷積神經網絡結構,並在ILSVRC14比賽中的分類和檢測任務中取得了最好的成績。這種結構的主要特點是能夠
原创 C++中的模板類vector
初步認識 模板類vector是一種動態數組,可以在運行程序時設置vector對象的長度,可以動態地進行刪除、添加等操作,可以像訪問數組一樣用[]來訪問某一個元素。在使用vector時,需要包含頭文件<vector> 。 定義模板類
原创 利用Caffe創建自己的lmdb數據集
用Caffe進行模型訓練時,除了用現有的公開數據集(如MNIST, CIFAR等),有時候我們還需要創建自己的數據集進行訓練。本篇博客講的就是如何利用Caffe中的模塊創建自己lmdb數據集。 數據集準備 我們需要自己準備好帶類別
原创 Caffe讀取訓練和測試日誌
用Caffe訓練模型時,我們常常想保存訓練和測試過程中數據一便於進一步分析。一種方法是在python中調用caffe的API訓練並自己寫代碼讀取layer中的數據保存結果,但這種方法畢竟比較繁瑣。其實在用命令行訓練的時候,caff