原创 (LaTex)CTex的初次使用心得及入門教程

摘要 最近要發論文了,被知乎里人推薦使用論文編譯軟件(CTex、LaTex和Overleaf之類),瞬間感覺自己用Word簡直Out了(書讀少)。 學校裏也聽說過LaTex,不過因爲當時沒怎麼寫過論文,所以對這麼麻煩的軟件(什麼文字還可以

原创 PyTorch學習筆記——softmax和log_softmax的區別、CrossEntropyLoss() 與 NLLLoss() 的區別、log似然代價函數

   版權聲明:本文爲博主原創文章,未經博主允許不得轉載。 https://blog.csdn.net/hao5335156/article/details/80607732 1、softmax 函數 Softmax(x) 也是一個 no

原创 人臉特徵點檢測basic:MTCNN原理

最近看起來特徵點這一塊,複習了一下經典論文Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks,文中的主要思想是使用了級聯網

原创 CVPR 2019 | 用異構卷積訓練深度CNN:提升效率而不損準確度

對於深度卷積神經網絡而言,準確度和計算成本往往難以得兼,研究界也一直在探索通過模型壓縮或設計新型高效架構來解決這一問題。印度理工學院坎普爾分校的一篇 CVPR 論文則給出了一個新的思路——使用異構的卷積過濾器;實驗表明這種方法能在保證準確

原创 多目標跟蹤:SORT和Deep SORT

https://zhuanlan.zhihu.com/p/59148865 多目標跟蹤,即Multiple Object Tracking(MOT),主要任務中是給定一個圖像序列,找到圖像序列中運動的物體,並將不同幀的運動物體進行識別,也

原创 focal loss

Focal Loss for Dense Object Detection 首先,需要了解交叉熵是怎麼工作的:  https://blog.csdn.net/tsyccnh/article/details/79163834 本文的核心公式

原创 pytorch中的正則化,自定義優化器設置等操作

(1) pytorch中的L2和L1正則化,自定義優化器設置等操作 https://ptorch.com/docs/1/optim 在pytorch中進行L2正則化,最直接的方式可以直接用優化器自帶的weight_decay選項指定權值衰

原创 深度學習中常見的優化方法(from SGD to AMSGRAD)和正則化技巧

https://mp.weixin.qq.com/s/NmSVXezxsQOZzK8pne3pCw 參加完華爲的軟件挑戰賽之後,五一也沒啥事,於是就想着寫點東西吧!在總結完了分類網絡和檢測網絡得結構之後,是時候對深度學習當中的優化和正則化

原创 python中@classmethod @staticmethod區別

Python中3種方式定義類方法, 常規方式, @classmethod修飾方式, @staticmethod修飾方式. class A(object): def foo(self, x): print("exe

原创 pycharm中腳本執行的3種模式(unittest框架、pytest框架、普通模式)

背景知識,某次使用HTMLTestRunner的時候,發現一直都無法導出報告,後來查詢資料發現了一些坑,現在整理一下來龍去脈。 一:pycharm默認的是pytest框架去執行unittest框架的測試用例 二:python運行腳本的三種

原创 SVDNet for Pedestrian Retrieval:CNN到底認爲哪個投影方向是重要的?

SVDNet for Pedestrian Retrieval:CNN到底認爲哪個投影方向是重要的? 文章鏈接: arXiv:1703.05693 代碼鏈接:syfafterzy/SVDNet-for-Pedestrian-Retrie

原创 C3D - Learning Spatiotemporal Features with 3D Convolutional Networks

論文名稱:Learning Spatiotemporal Features with 3D ConvolutionalNetworks 論文作者:Du Tran, Lubomir Bourdev, Rob Fergus, Lorenzo

原创 C3D-Resnet C3D-Version 2 --論文筆記--ConvNet Architecture Search for Spatiotemporal Feature Learning

這是Du Tran在Learning Spatiotemporal Features with 3D Convolutional Networks之後發表的續篇,相當於C3D的第二個版本,C3D-resnet.我個人覺得這篇文章除了主要探

原创 [行爲識別論文詳解]TSN(Temporal Segment Networks)

摘要 本文旨在設計有效的卷積網絡體系結構用於視頻中的動作識別,並在有限的訓練樣本下進行模型學習。TSN基於two-stream方法構建。 論文主要貢獻: 提出了TSN(Temporal Segment Networks),基於長範圍時間結

原创 R-C3D: Region Convolutional 3D Network for Temporal Activity Detection

這篇文章是ICCV 2017的一篇文章,作者主要是以C3D網絡爲基礎。借鑑了Faster RCNN的思路,對於任意的輸入視頻L,先進行proposal,然後3D-pooling,最後後進行分類和迴歸操作。文章主要貢獻點有3個: 可以針對任