原创 Tina-face小結

一、核心思路 人臉檢測任務與通用目標檢測是一派任務,檢測上的tricks均可以在人臉領域測試使用。 ①使用retinanet作爲基本結構,輕量級backbone,輕量級fpn結構, ②加入了iou預測分支 ③使用inception模塊帶來多

原创 GFocal_loss簡單總結

GFocal_loss簡單總結 文章的主題很突出,針對一階段目標檢測領域的兩個現存的表示問題進行分析,並提出合理的解決方案 論文鏈接 作者知乎解讀鏈接 代碼鏈接 問題1: 用法不一致,訓練時分類與迴歸的head各自分開訓練各自的,但是在推理

原创 paddlepaddle訓練網絡的基本流程二(進階Paddle-detection框架)

包含項目結構、整體訓練流程、訓練調用細節 目的僅爲梳理paddle在目標檢測方面的訓練流程以及調用細節,詳見官方文檔及代碼 Paddle-detection框架 首先,觀察整個項目的目錄結構:  靜態圖選擇配置模型在configs中,支持數

原创 paddlepaddle訓練網絡的基本流程一(入門示例)

入門示例 pdpd靜態圖大體上是如下這樣一個過程,先有個印象,具體參考代碼理解首先定義前向網絡(定義模型時需要佔位),指標計算(label,loss,outs),優化器train函數:   設置paddle的數據讀取對象reader,

原创 redis常用操作命令

redis常用操作命令 redis簡介 redis是一個高性能的key-value存儲系統。和Memcached類似,它支持存儲的value類型相對更多,包括string(字符串)、list(鏈表)、set(集合)、zset(sorteds

原创 使用Gunicorn和nginx進行Flask服務部署

Gunicorn  ‘Green Unicorn’ 是一個 UNIX 下的 WSGI HTTP 服務器 在 Gunicorn 上運行 Flask 應用 修改下面myproject爲自己的服務文件名即可 $ gunicorn myproje

原创 Flask快速上手及目標檢測服務接口&前端顯示示例

最簡單的Flask應用示例 創建一個flask實例,使用route構建路由,app.run開啓服務 from flask import Flask app = Flask(__name__) @app.route('/') def h

原创 常用卷積神經網絡精煉總結(複習用)

本文總結了目前依然常用常見的卷積神經網絡的特點,僅作爲複習使用,具體細節建議閱讀原論文   ①Resnet 1. 擬合殘差,網絡退化或者消失的主要原因是多個非線性層無法構建恆等映射,解決方法之一就是引入殘差。讓模型內部至少有恆等映射的能

原创 二叉樹常見力扣題目總結(含標記)

不熟悉題目的直接在力扣搜索即可,都是經典題目,百度一下也會有;保存的都是比較容易理解的解法。 注意:無題解,只是簡單的記錄  

原创 鏈表常見力扣題目(含標記)

 題目都是常見常考題目,力扣可直接搜索到,保存的都是比較容易理解的解法  注意:無題解,只是簡單的記錄    

原创 C++常見面試題(非C++崗位,算法崗可能遇到的)

C++總體來說知識點太多,下面列出的是比較普通的常見的面試題,面試過程中大部分都覆蓋到了  

原创 傳統圖像處理部分算法介紹(複習用)

本文對目前瞭解到的經典傳統圖像處理算法進行簡單地介紹,僅作爲知識點記憶,細節仍需閱讀原論文  

原创 深度學習訓練模型時保存Log輸出信息爲文件

使用logging包實現邊在命令行輸出結果,邊保存結果爲Log文件 首先自定義一個Logger類,調用Logging包實現功能,實例化一個對象logger,直接調用logger.info,例如 logger.inf

原创 c++容器總結(vector、string、deque、list、array)

#include <iostream> #include <vector> #include <string> #include <deque> #include <list> #include <forward_list> #inclu

原创 MAP的計算方法(簡單總結)

MAP的計算方法 在計算MAP之前,要對TP/TN/FP/FN,precision/recall的計算有一定的瞭解。 一句話概括AP:recall在【0-1】範圍內的平均precision值 一句話概括MAP:所有類別的平均AP 得出PR曲