原创 經典網絡結構

參考:《解析深度學習——卷積神經網絡原理與視覺實踐》 網址:http://lamda.nju.edu.cn/weixs/book/CNN_book.pdf 一、VGG 特點: (1)使用小卷積核和“保持輸入大小"等技巧,目的在增加網絡深度

原创 論文閱讀練習(8)

Mesh R-CNN(FRIA,2019) 摘要 目前在2D上系統可以精確檢測目標在真實圖像中。然而,2D上的預測忽略了3D的結構。當前,3D形狀預測多數集中於合成benchmarks和單獨目標上。此篇文章整合了這兩個方面的優點,提出一個

原创 np.vstack/np.hstack/np.newaxis/np.transpose

(1)np.hstack——水平平鋪     (2)np.vstack——垂直堆疊     (3)np.newaxis——增加一個軸 (4)np.transepose——轉換軸,不是改變數值 a是三維2行2列 經過a.tr

原创 np.clip()****np.stack()

1、 np.clip(x, min, max)——將x內所有的數變爲(min,max)間的數,即小於min的設爲min,大於max的設爲max 例: 2、np.stack()——在列表基礎上增加一個軸,將一維變爲二維  

原创 論文閱讀訓練(14)

《Local Relation Networks for Image Recognition》(CVPR2019) 圖像識別的局部關係網絡 作者:胡瀚等 摘要 卷積層是CV中主要的特徵提取工具,然而卷積上的空間聚合是利用固定卷積的基礎模板

原创 論文閱讀訓練(13)

《Pixel-Adaptive Convolutional Neural Networks》(2019) 作者:UMass Amherst  NVIDIA 摘要 卷積是CNN的基礎組成block,被廣泛使用的主要原因是它們的權重是空間共享

原创 論文閱讀練習(12)

《3D human pose estimation in video with temporal convolutions and semi-supervised training》(2018) 摘要 此工作中構建了視頻 的3Dpose,

原创 論文閱讀訓練(11)

低分辨率轉高分辨率視頻的算法TecoGAN——時序一致GAN 《Temporally Coherent GANs for Video Super-Resolution (TecoGAN)》 摘要 對抗訓練在單幅圖像高分辨率上已經很成功,可

原创 yolo系列

參考資料:https://blog.csdn.net/guleileo/article/details/80581858 一、yolov1 核心思想:輸入整張圖,直接在輸出層迴歸bounding box的位置和類別概率。 摘要 此篇文章提

原创 Deeplab系列再理解

一、Deeplab v1《Semantic image segmentation with deep convolutional nets and fully connected CRFs》(ICLR2015) 摘要 深度卷積網絡(DCN

原创 論文閱讀練習(9)

《Improved Training of Wasserstein GANs》(2017) 作者: 摘要 生成對抗模型是一個很強的生成模型,但是訓練不穩定。最新提出的沃恩斯坦GAN(Wasserstein GAN)提高了GAN的穩定訓練

原创 論文閱讀(6)

LightTrack-京東數字科技 LightTrack: A Generic Framework for Online Top-Down Human Pose Tracking 作者: 摘要 此篇文章中提出新的有效的輕便網絡,稱爲Li

原创 論文閱讀練習(7)

《EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks》(ICML2019) 重新考慮卷積網絡的模型尺度 作者:Mingxing Tan   Qu

原创 getattr***os.listdir(path)****argsort()

轉載:https://www.runoob.com/python/python-func-getattr.html (1)getattr返回一個對象屬性值 getattr(object,name[,default]) object——對象

原创 windows下編譯tensorflow Faster RCNN的lib/Makefile

https://blog.csdn.net/zm147451753/article/details/88218619 解決: “nms/gpu_nms.cpp(1616): error C2664: “void _nms(int *,in