原创 LeetCode刷題（十九）-----鏈表-------medium部分（Java、C++）
138. 複製帶隨機指針的鏈表 給定一個鏈表，每個節點包含一個額外增加的隨機指針，該指針可以指向鏈表中的任何節點或空節點。 要求返回這個鏈表的深拷貝。 示例： 輸入： {“KaTeX parse error: Expecte
2020-07-06 17:17:47
2
原创 經典分類模型(六)：DenseNet（2017CVPR）
Densely Connected Convolutional Networks-----DenseNet_2017CVPR 密集連接的卷積網絡 傳統上爲了加強CNN模型的表達能力有兩種可行的辦法，一是將CNN層數增加，變得越來越
2020-07-06 17:17:47
4
原创 (一)Fast R-CNN論文理解---ICCV2015
Abstract 本文提出了一種基於快速區域的卷積網絡方法（Fast R-CNN）用於目標檢測。 快速R-CNN建立在先前的工作基礎上，以使用深度卷積網絡有效地對對象提議進行分類。與之前的工作相比，Fast R-CNN採用了多項創
2020-07-06 17:17:47
2
原创 (十一)Cascade R-CNN----2018CVPR論文解讀
Cascade R-CNN: Delving into High Quality Object Detection 級聯R-CNN：致力於高質量目標檢測 Abstract 在對象檢測中，需要定義聯合正負（IoU）閾值。以低IoU閾
2020-07-06 17:17:37
4
原创 （二）ShuffleNet_v1----2017論文解讀
ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices ShuffleNet：一種用於移動設備的極其高效的卷積神經網絡
2020-07-06 17:17:37
1
原创 LeetCode刷題（二十二）-----樹-------medium部分（Java、C++）
102. 二叉樹的層次遍歷 給定一個二叉樹，返回其按層次遍歷的節點值。（即逐層地，從左到右訪問所有節點）。 例如:給定二叉樹:[3,9,20,null,null,15,7], 返回其層次遍歷結果： [ [3], [9,20],
2020-07-06 17:17:37
原创 (二)Faster-RCNN--NIPS2015論文解讀
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 更快的R-CNN：利用區域提案網絡實現實時目標檢測 摘要 最先進的目標檢
2020-07-06 17:17:37
原创 （六）CRAFT----2019CVPR論文解讀
Character Region Awareness for Text Detection Abstract 近年來出現了基於神經網絡的場景文本檢測方法，並取得了良好的效果。以前使用剛性詞級邊界框訓練的方法在以任意形狀表示文本區域
2020-07-06 17:17:36
9
原创 （四）ShuffleNet_v2----2018ECCV論文解讀
ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design ShuffleNet V2：高效CNN架構設計實用指南 Abstract 當前，
2020-07-06 17:17:36
原创 （二）CTPN----2016ECCV論文解讀
Detecting Text in Natural Image with Connectionist Text Proposal Network 用連接文本提案網絡檢測自然圖像中的文本 摘要 我們提出了一種新穎的連接文本提議網絡（
2020-07-06 17:17:36
原创 1024---程序猿節，我開始重新更博，重獲新生！
人的每一個成長節點都需要反思和求變 做完天池農業大賽以及老師佈置的項目後，我依然每天進行着9117的學習，但是感覺每天雖然忙忙碌碌，卻沒有什麼規劃，感覺效率不高。爲了求變，我在兩天前給自己定了一個計劃，如下： 在學長的建議下，
2020-07-06 17:17:36
1
原创 （四）EAST----2017CVPR論文解讀
EAST: An Efficient and Accurate Scene Text Detector EAST：一種高效準確的場景文本檢測器 Abstract 以往的場景文本檢測方法已經在各種基準測試中取得了良好的性能。然而，即
2020-07-06 17:17:36
2
原创 (六)YOLOv2----2017CVPR論文解讀
YOLO9000:Better, Faster, Stronger YOLO9000：更好，更快，更強大 Abstract 我們介紹了YOLO9000，這是一種先進的實時對象檢測系統，可以檢測9000多個對象類別。首先，我們建議對
2020-07-06 17:17:36
原创 解答如何刷leetcode--------方法決定你的效率
解答如何刷leetcode--------方法決定你的效率 在看了一些知乎和牛客上的帖子以及《王道程序員面試寶典》，我確定了我的刷題方法，就是分知識點，按難易程度開始刷。 下面分享一些我看到的刷題攻略： 1.按照下面的tag刷起來
2020-07-06 17:17:36
8
原创 （五）PSENet----2019CVPR論文解讀
Shape Robust Text Detection with Progressive Scale Expansion Network 基於漸進式尺度擴展網絡的形狀穩健文本檢測 Abstract 近年來，隨着卷積神經網絡的發展，
2020-07-06 17:17:36
1