原创 使用torch以及tensorflow訓練一個最簡單網絡的基本步驟

torch:  import torch import torch.nn.functional as F import matplotlib.pyplot as plt x = torch.Tensor.unsqueeze(torch

原创 基於深度學習的OCR大致過程總結(基於吳恩達機器學習課程筆記)

OCR(optical character recognizer)  一個簡單的ocr系統可大致分爲三步:    1.Text detection 2.Character segmentation 3.Character classif

原创 yolo + yolov2 + yolov3 隨筆總結(差異、相同、改進)

博客爲隨筆筆記類,便於加深理解以及比較各模型不同。若想要系統學習yolo系列,建議閱讀論文或詳解博客   PS:  !!!!yolo的bounding box和ssd的anchor box不一樣!!!他不是在圖中每一個座標點生成了一系列的

原创 二分查找以及其變種總結

圖片、原文來自:https://www.cnblogs.com/luoxn28/p/5767571.html  以下圖片中源碼手寫板來自:https://github.com/qq249356520/AlgorithmNotes     

原创 1024!!!

1024

原创 RNNoise原理部分(1)

​ ​論文:https://arxiv.org/pdf/1709.08243.pdf 官方博客鏈接:https://people.xiph.org/~jm/demo/rnnoise/?__s=sgkgganpatrhthvch4js gi

原创 大數相加以及大數相乘

首先看大數相加:  leetcode415,代碼:  接下來再看大數相乘,其實可以使用大數相加的思路做大數相乘,時間複雜度爲o(m * n)        例題、代碼如下:     

原创 NMS的一種實現方法(帶詳細註釋)

# -*- coding:utf-8 -*- import numpy as np def py_cpu_nms(dets, thresh): """ :param dets:N*M 二維數組, N是BBOX的個數,

原创 CV方向面試經驗技術路線總結

CV方向:(object detection, semantic segmentation, 人臉,姿態,視覺重建,圖像恢復生成(gan),識別分類等)    面試經驗總結:對自己項目的每個細節都瞭解清楚,多總結面試  對基本知識點的掌握

原创 字典序算法(換位數)

給定一個順序的數 一般是 逆序最大 順序最小。  比如 給定一個12354  我們找到離它最近的換位數。爲了更接近原數,我們需要保持高位不變,低位在最小範圍內變換順序。 那麼究竟需要變換多少位呢? 這取決於當前數的逆序區域。    1

原创 二叉樹的三種遍歷(遞歸+非遞歸)+層序遍歷筆記+leetcode遍歷題解

寫在前頭: 本文內容部分轉載自:https://www.jianshu.com/p/49c8cfd07410 ,本文爲筆記整理 首先注意樹的層序遍歷和非層序遍歷區別:    1.二叉樹的前中後序遍歷是遞歸遍歷,需要用棧。(深度優先)   

原创 opencv讀取圖像時圖像數組的存儲方式,以及如何訪問每一個點的像素

使用opencv讀取圖像時圖像的排列方式是一個三維數組,但並非是三維數組按照[r:[[]] g:[[]] b:[[]]] 然後組合的方式存儲。 圖片的存儲方式可以理解成有個長 * 寬 的矩陣 矩陣的每一個點包括[b, g, r]三個點的數

原创 超分辨率網絡ESPCN中的pixel shuffle--幾種代碼思路(基於TF, Pytorch)

方法一: 源碼來自github:https://github.com/JuheonYi/VESPCN-tensorflow 中 ESPCN部分 首先簡單的來看ESPCN的網絡結構搭建 conv--conv--conv--ps

原创 劍指offer 樹的子結構 + 劍指offer 樹的鏡像

首先看 樹的子結構: 題目描述 輸入兩棵二叉樹A,B,判斷B是不是A的子結構。(ps:我們約定空樹不是任意一個樹的子結構)   要查找樹A中是否函數樹B結構,我們可以分爲兩步:  第一步 找到樹A中和樹B的根節點的值一樣的節點R(其實就是

原创 TensorFlow模型凍結(ckpt轉爲pb)筆記

# -*- coding:utf-8 -*- """ This file used to freeze tensorflow .ckpt to .pb """ import tensorflow as tf #兩種方式 方法1