原创 【論文筆記】【cnn】Densenet詳解
Densenet受啓發於resnet，通過shortcut(skip connection)建立前面層到後面層的聯繫，有助於訓練過程中的梯度反向傳播。相比於resnet，densenet設計了更密集的shortcut，建立了前面的所有層和
2020-06-24 17:48:31
原创 【論文筆記】【目標檢測】Fast RCNN詳解
Fast RCNN是對RCNN論文的改進。 RCNN簡介： (1)image input； (2)利用selective search 算法在圖像中從上到下提取2000個左右的Region Proposal； (3)將每個Region
2020-06-24 17:48:31
原创 python處理xlsx多sheet文件
需求：每個xlsx共有20個sheet，每個sheet兩列。對第一列每個值加0.924，第二列每個值除以0.19625。對處理後的結果，以第一列爲x，第二列爲y，生成一條曲線，求與指定直線的交點。其中sheet1-10的指定直線爲x=0.
2020-06-24 17:48:31
原创 【算法】只出現一次的數字
1. leetcode136 給定一個非空整數數組，除了某個元素只出現一次以外，其餘每個元素均出現兩次。找出那個只出現了一次的元素。 要求時間複雜度O(n)，空間複雜度O(1)。 示例：輸入[4, 1, 2, 1, 2]，輸出4 （1）
2020-06-24 17:48:31
原创 過擬合和欠擬合現象及解決方案
過擬合和欠擬合 欠擬合：（under-fitting）也稱爲欠學習，它的直觀表現是算法訓練得到的模型在訓練集上表現差，沒有學到數據的規律。引起欠擬合的原因有：模型本身過於簡單，例如數據本身是非線性的但使用了線性模型；特徵數太少無法正確的建
2020-06-24 17:48:31
原创 池化層詳細介紹
常見的池化層 它實際上是一種形式的降採樣。有多種不同形式的非線性池化函數，而其中“最大池化（Max pooling）”是最爲常見的。它是將輸入的圖像劃分爲若干個矩形區域，對每個子區域輸出最大值。直覺上，這種機制能夠有效地原因在於，在發現一
2020-06-24 17:48:31
原创 計算機視覺秋招準備（2）：一文看懂dropout
1. Dropout出現的原因 在機器學習的模型中，如果模型的參數太多，而訓練樣本又太少，訓練出來的模型很容易產生過擬合的現象。在訓練神經網絡的時候經常會遇到過擬合的問題，過擬合具體表現在：模型在訓練數據上損失函數較小，預測準確率較高；但
2020-06-24 17:48:31
原创 【算法】比較類的原地算法
力扣41 class Solution { public: int firstMissingPositive(vector<int>& nums) { int n=(int)nums.size();
2020-04-29 01:13:05
原创 【算法】二分查找及變體
如果看到在某個查找問題時間要求logn，那基本是考二分查找。平衡二叉樹的本質也是二分查找，寫樹還費時。 二分查找的前提是數組有序，如果無序需要先排序。 二分查找框架： int binarySearch(int[] nums, int t
2020-04-29 01:13:05
原创 【算法】螺旋矩陣
力扣54 雙百答案 class Solution { public: vector<int> spiralOrder(vector<vector<int>>& matrix) { vector <int> re
2020-04-29 01:13:05
原创 【論文筆記】【cnn】ResNest詳解
摘要：ResNest主要貢獻是設計了一個Split-Attention模塊，可以實現跨通道注意力。通過以ResNet樣式堆疊Split-Attention塊，獲得了一個ResNet的變體。ResNest網絡保留了完整的ResNet結構，可
2020-04-25 19:42:27
原创 【論文筆記】【目標檢測】fpn詳解
fpn是在卷積神經網絡中圖像金字塔的應用。圖像金字塔在多尺度識別中有重要的作用，尤其是小目標檢測。 論文中給了這麼一張圖來展示4種利用特徵的形式。 （a）圖像金字塔。這個是直接把圖片resize成不同的尺度，使用不同的尺度對應生成不同的
2020-04-23 09:05:33
原创 【目標檢測】【cnn】Densenet詳解
Densenet受啓發於resnet，通過shortcut(skip connection)建立前面層到後面層的聯繫，有助於訓練過程中的梯度反向傳播。相比於resnet，densenet設計了更密集的shortcut，建立了前面的所有層和
2020-04-23 09:05:33
原创 【論文筆記】【cnn】ResNeXt詳解
ResNeXt解決的問題： 傳統的要提高模型的準確率，都是加深或加寬網絡，但是隨着超參數數量的增加（channels，filter size等），網絡設計的難度和計算開銷也會增加。本文提出的ResNeXt結構可以在不增加參數複雜度的情況下
2020-04-23 09:05:33
原创 【論文閱讀】【cnn】resnet
resnet解決的是網絡的退化問題。在vgg中提出，增加網絡深度可以增加模型的表達能力。但是人們發現深度達到一定之後，CNN網絡再一味增加層數並不能帶來分類性能的提高，甚至會讓網絡收斂變慢，測試集精度下降。訓練集精度下降可以說明這個不是過
2020-04-23 09:05:33