bea_tree-CSDN博客

原创 Everyone is an adaptive machine.

Everyone is an adaptive machine. Life experiences are the training data. We should learn from them with severe loss functions. A good learning rate method emphasizes the directions rather than a h

2017-06-04 21:28:41 893

原创从零开始刷题1

又一道简单等级的题，小白打小怪~最大时间：给定一个由4位数字组成的数组，返回可以设置的符合24小时制的最大时间。最小的24小时制时间是00:00，而最大的是23:59。从00:00（午夜）开始算起，过得越久，时间越大。以长度为 5 的字符串返回答案。如果不能确定有效时间，则返回空字符串。来源：力扣（LeetCode）链接：https://leetco...

2019-07-24 00:38:18 361

原创从零开始刷LeetCode-0

从leetcode中简单的题开始，上车吧给定数组vector<vector>& dominoes；若其中元素为二维数组，若元素i=元素j或元素i=元素j[::-1]则称其可等价；求在i<j的前提下，给定dominoes一共有多少个等价的pair？

2019-07-23 00:53:31 464

原创 Improving Semantic Segmentation via Video Propagation and Label Relaxation

一篇使用视频信息提升semantic segmentation 精度的工作，可以看成合理的进行data augmentation方法，文章试验做的很全面，总体来说非常扎实。文章继承了英伟达该组之前的sdc net (见本文附录)的工作。Methodology使用SDC-net 预测某片段前后k 帧图像motion vectors从而得到相应的image和label，增加了网络的训练数据。...

2019-06-03 22:32:53 2704 4

原创优化程序性能

重温csapphttp://www.cs.cmu.edu/afs/cs/academic/class/15213-f15/www/lectures/10-optimization.pdfmoving code out of loop # 一些编译器会帮你做少用乘除 16*x -> x<<4将重复且不会发生改变的函数移除loop如void lower(char...

2019-05-18 00:20:46 232

原创科普|32位系统为什么只能识别4GB内存

32位系统为什么只能识别4GB内存？这个问题解答之前首先要弄懂几个概念：内存是我们计算机上的临时储存设备，用来存放程序和程序处理的数据，主存（内存）的读取速度要比我们的硬盘要快的多，原因之一就是我们可以在主存中直接寻址，比机械硬盘这种还需要机械读取的存储方式要快很多。信息存储我们这里默认信息以二进制存储，单个0或者1储存的信息有限，计算机中以8个bit作为一个小块，即字节（byte)...

2019-05-01 00:44:09 1662 4

原创 pybind11 数据交互

pybind提供了较方便的数据交互方式，有很多c++类型可以直接在Python中使用，但是为了使程序更加高效，往往需要手动转换

2019-03-22 00:37:22 4877 2

原创 pybind11 numpy转cv::mat;eigen

python语言灵活易用，但是有时效率较低，c++效率较高，pybind可以较好的结合两者。在c++代码中引入pybind11相关库，pybind可以利用buffer将python中的一些数据类型转化为c++可用的类型。如下代码：#include<iostream>#include<vector>#include<opencv2/core/core.hpp&g...

2019-03-19 23:15:56 2853

原创 assert 、raise、python、pyo、debug

python中Assert是较为常用的调试工具，利用好assert可以有效的提升编程效率，但是也有很多同学用法不规范。这篇短文主要包括的内容有：Assert与raise exception语句使用的正确场景；python中.pyc与.pyo；python 的__debug__语句；正如《程序员报名指南 Google Style Guide》中所述：Do not use...

2019-03-16 01:00:57 279

原创论文笔记|Towards End-to-End Lane Detection: an Instance Segmentation

用尽量少的语言描述一篇paper本文看点：结合embedding和Segmentation mask提供一种做Lane Instance Segmentation的思路Lane的Instance Segmentation可以比单纯的Segmentation适应更多样的路面情况，本文在Segmentation Mask的基础上增加了embedding分支，用以使得每条lane中的像素emb...

2018-11-17 02:56:20 561 4

原创论文笔记 | Concept Mask：Large-scale Segmentation from semantic concepts

文章主要实现了以下任务：给定一个概念和一张图片，模型在图像上生产对应区域的mask。文章主要实现思路：建立图像特征与word vector之间的映射关系，从而得到attention map具体方式是：利用PMI生产word vector基础网络（如resnet50）提取图像特征之后进过GAP，然后经过三层 embeding 网络，使embeding结果与word vector距离...

2018-11-06 01:27:42 477

原创笔记|初步了解TensorRT

文章目录1. 什么是TensorRT？2. TensorRT 做了哪些优化？1. 什么是TensorRT？众所周知神经网络在CV等领域有着非常出众的表现，但是现实部署往往面临网络模型inference时间过大等问题，各类加速尤其是针对inference阶段的加速手段被提出。TensorRT是NVIDIA针对神经网络inference阶段提供的加速器。2. TensorRT 做了哪些优化？相...

2018-10-21 21:52:08 470

论文笔记| A Network Structure to Explicitly Reduce Confusion Errors in Semantic Segmentation

Abstract文章认为部分类别之间由于视觉特征相似、网络feature map分辨率过小或者由于数据不均衡等原因，会使模型对这些类别感到confused。为了区分这些confusing classes，文章从网络结构设计（Discriminative Confusing Groups）和loss（Improved Cross-Entropy Loss）设计两方面做出了改进。Discrimi...

2018-10-10 21:36:48 318

原创 mxnet gluon 教程速览

0 什么是Gluon ？1 预备知识1.1 NDArray1.2 autograd自动求导2 深度学习基础2.1 线性回归2.2 多分类逻辑回归2.3 多层感知机2.4 欠拟合与过拟合2.5 正则化2.6 dropout2.7 正向传播与反向传播3 Gluon使用基础3.1 模型构造3.1.1 使用block将模型定义一个类3.1.2 Sequential...

2018-05-02 20:53:31 5344

原创温故valse|2014XJTU-MengDeyu Matrix Factorization with unknown noise

源自孟德宇老师在2014年valse的网络视频演讲 Deyu Meng, Fernando De la Torre. Robust Matrix Factorization with Unknown Noise. International Conference of Computer Vision (ICCV), 2013. Qian Zhao, Deyu Meng, Zong...

2018-03-02 21:26:10 2299 1

原创神经网络梯度下降优化算法及初始化方法小结

An overview of gradient descent optimization algorithms and Weight initialization methods. 神经网络重要的一点就是调参炼丹，这里复习一下网络的初始化方法及优化方法。然而知道这些并没有什么用，平时多实验才是王道网络优化方法1 SGD2 Momentum3 Nesterov4 Adag

2017-10-09 18:53:53 5972

原创论文水记|How to Train Triplet Networks with 100K Identities?

这是来自猎户星空的关于人脸识别的文章作者 Chong Wang ；Xue Zhang ；Xipeng Lan https://arxiv.org/abs/1709.02940好久没有写博客了，水一篇。。。一句话总结对应triplet的训练，多采用OHNM的方式挖掘困难负样本，然而随着训练数据的增加，easy-triplet更多，困难样本的搜索空间增大，于是本文将训练数据分为若干小部分

2017-09-26 20:28:51 3976

原创 Deep Watershed Transform for Instance Segmentation

作者：Min Bai； Raquel Urtasun https://arxiv.org/pdf/1611.08303.pdf 之前效果较好的 Instance segmentation主要是使用proposal的方式，比如FCIS或者Mask rcnn，本文提出了骨骼清奇的深度分水岭的方法。1. Watershed Transform首先来说一下传统的分水岭算法：我们按照图片的灰

2017-07-03 22:46:31 4388

原创 Deeplab v3 | Rethinking Atrous Convolution for Semantic Image Segmentation

鉴于之前写过deeplab v1与2，继续读一读新出的v3整体来说，这篇文章还是在探究两个大家一直在做的问题：全局信息于多尺度信息。另外作者还强调了BN的使用。本文在原有的框架下提出了两种框架： 1. 加长版 2. 增强版ASPP（deeplab v3）两者都使用了Multi-grid的多种hole算法的rates。1. Multigrid具体可以看一下图森的论文P. Wang, P.

2017-06-21 13:04:07 12791 2

原创 FCIS+code | Fully Convolutional Instance-aware Semantic Segmentation

个人觉着RFCN系列的工作还是非常好的，所提出的position sensitive score maps 非常有启发性，包括本文的一些工作都是有很高的价值的。主要涉及的论文 [1] Instance-sensitive Fully Convolutional Networks [2] R-FCN: Object Detection via Region-based Fully

2017-06-13 18:01:37 4626 7

原创 VQA 之 Multimodal Compact Bilinear Pooling

涉及论文 [1]Multimodal Compact Bilinear Pooling for Visual Question Answering and Visual Grounding https://www.arxiv.org/pdf/1606.01847.pdf [2]Compact Bilinear Pooling https://arxiv.org/pdf/151

2017-06-08 00:07:02 8160

原创 CNN入门必读经典：Visualizing and Understanding Convolutional Networks

本文主要是借助deconvnet来可视化卷积网络，这对于理解卷积网络还是非常重要的，同时本文又是13年ImageNet分类任务的冠军。代码： https://github.com/guruucsd/CNN_visualization1 Deconvolution首先我们先对Deconvolution有个了解，这里推荐知乎里面的一个回答： http://zhihu.com/question/4

2017-04-03 12:55:38 11979 3

原创几分钟走进神奇的光流|FlowNet 2.0: Evolution of Optical Flow Estimation with Deep Networks

故事背景那是15年的春天，本文的作者和其他几个人，看着美丽的春光，突发奇想使用CNN做光流估计，于是FlowNet成了第一个用CNN做光流的模型，当时的结果还不足以和传统结果相匹配。2016年冬天，作者和一群小伙伴又基于Flow Net的工作进行了改进，效果得到了提升，可以与传统方法相匹敌。 15年的思想主要是把两张用来估计光流信息的图片输入网络，经过训练使网络学到光流信息，后面会

2017-03-28 02:56:38 32567 27

原创旷视最新-Large Kernel Matters —— Improve Semantic Segmentation by Global Convolutional Network

一句话总结如文章名字所言，本文主要强调大的kernel的重要性,pascal上82.2%。文章的试验和分析还是挺细致的。故事背景文章认为，classification和localization之间是有冲突的，我们平时所用的卷积分割网络，在提高分割效果的同时，削弱了分类的能力。文中认为通过设置大的感受野可以获得featuremap与pixel score之间的densely connec

2017-03-09 23:13:06 10833 1

原创 zifeng wu instance level segmentation：Bridging Category-level and Instance-level Semantic Image

本文是arXiv上去年5月份的文章，依然是zifeng wu的工作。一句话总结作者ResNet网络的各种超参的作用，最后得到了在当时state of the art的分割成绩，并提出了自己的instance-level semantic的方式，并提出了困难样本选择的方法。1 instance segmentation整体结构：这里包含两个网络，图像category-level的segment

2017-03-02 09:27:46 3219

原创 RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation

还是来自Chunhua Shen组的文章代码：https://github.com/guosheng/refinenet/ 文章：https://arxiv.org/pdf/1611.06612.pdf一句话总结作者认为Deconv 不能很好的还原下采样带来的损失，Atrous conv计算量太大而且显存占用多，于是就提出了使用不同size的feature map来融合得到最终high-r

2017-02-27 19:40:25 4173

原创 PSPnet：Pyramid Scene Parsing Network

首先声明，文末彩蛋，不是笔者提问的1 一句话总结作者认为现有模型由于没有引入足够的上下文信息及不同感受野下的全局信息而存在分割出现错误的情景，于是，提出了使用global-scence-level的信息的pspnet，另外本文提出了引入辅助loss的ResNet优化方法。2 网络结构本文提出的网络结构简单来说就是将DeepLab（不完全一样）aspp之前的feature map pooling了四种

2017-02-23 19:28:25 11407

原创 Zifeng Wu的38层网络：Wider or Deeper: Revisiting the ResNet Model for Visual Recognition

故事背景文章：Wider or Deeper: Revisiting the ResNet Model for Visual Recognition 代码：https://github.com/itijyou/ademxapp 这是adelaide沈春华老师组的一篇文章，一作是zifeng wu 在Pascal上得到了很好的结果，最终仅比商汤的低一点，之前笔者曾经

2017-02-21 21:19:29 7272

原创论文笔记| 几分钟看完ResNet的融合特性及冗余性分析的三篇文章

本文是博主在paper reading时的ppt，主要涉及三篇论文： 1. Residual Networks Behave Like Ensembles of Relatively Shallow Networks（nips） 2. On the Connection of Deep Fusion to Ensembling（微软亚研） 3. Wider or Deeper: Revisi

2017-02-15 15:39:29 6815 9

原创完语义分割经典论文:DeepLab

Here we go 本文所提到的是DeepLabv2： DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs 项目地址：http://liangchiehchen.com/projects/DeepLab.html

2017-02-14 11:03:54 8600

原创 C++ primer | 第10章泛型算法

10.1 概述泛型算法 generic algorithm 提供了一些经典的算法接口比如排序、搜索等，适用于多种的容器和元素。算法一般使用迭代器来工作//在vector容器vec中findauto result = find(vec.cbegin(),vec.cend(),val);//在数组中findint* result=find(begin(ia),end(ia),val);迭代器令

2016-10-15 22:49:54 1317 1

原创工具 | Tmux 命令备忘

以下内容来自网络，不再声明源地址Tmux =Terminal Multiplexer Tmux可以灵活的分割终端，灵活的将任务分配到不同的session中，而且关掉会话之后重新链接，这样的功能可以实现： 1. 办公室的工作关掉后，回家重新链接刚才的session，接着工作 2. 远程断电时，可以不使用screen也可以任务不掉线tmux使用C/S模型构建，主要包括以下单元模块：下面是一些

2016-10-13 23:38:53 1033

原创 C++ primer | 第9章顺序容器

容器就是一些特定类型对象的集合，顺序容器（sequential container）的顺序与元素加入容器时的位置对应。9.1 概述sequential容器的类型： 1. vector 连续内存 2. deque 双端队列 3. list 快速添加，不能随机访问 4. forward_list 5. array 不能添加和删除 6. string 连续内存选容器的基本原则

2016-10-13 16:06:58 508

原创 C++ primer | 第八章 IO 库

C++ 不直接处理IO，而是通过standard library 中的一些types来handle在files、console windows、及内存中的io。8.1 IO 类IO定义了三个独立的头文件分别用于读写流的基本类型、命名文件、内存，分别是iostream fstream sstream。标准库能通过继承机制使我们忽略这些不同类型的流之间的差异，例如类型ifstream ist

2016-10-12 08:37:44 543

原创 C++ primer | 第7章类

类的基本思想是数据抽象data abstraction 和封装 encapsulation 。数据抽象是一种依赖于接口和实现分离的编程使用类时只需要抽象的思考类型做了什么，而无需了解类型工作的细节。7.1 定义抽象数据类型定义和声明成员函数的方式与普通函数相似。成员函数的声明必须在类的内部，它的定义既可以再类的内部（inline）也可以再累的外部、作为接口组成的非成员函数如（add/read/p

2016-10-10 22:46:10 793

原创论文笔记 | Metric Learning with adaptive density discrimination

Authors Oren Rippel（有趣的是作者喜欢中文) Manohar Paluri Piotr Dollar Lubomir BourdevAbstract本文介绍了一种Distance Metric Learning （DML)，效果比triplet还要好，而且需要的迭代次数更少。1 Introduction 与传统的DML相比，Magenet不仅考虑intra-class v

2016-10-09 14:34:59 3677

原创 C++ primer | 第6章函数

本章介绍函数如何定义和声明，包括如何传入函数及函数如何返回结果，以及一些包括函数指针的知识。6.1 函数基础一个典型的function 定义包括以下四个部分： - 返回类型 - 函数名字 - 形参（parameter）；调用时叫做argument，实参 - 函数体通过调用运算符（call operator)来执行函数//阶乘int fact(int val)// 如果函数不需要

2016-09-30 23:58:01 543

原创 C ++ Primer | 第五章语句

使用控制流语句 (flow of control) 以支持复杂的执行路径。5.1 简单语句最简单的语句是空语句（null statement) 它只有一个分号；注意不要多写分号或者少写分号，while或者if后面没有分号复合语句 compound statement 是指用花括号括起来的语句和声明的序列，复合语句也被称作block块。在一些语句中，语法上需要一条语句，但是逻辑上需要

2016-09-30 15:14:37 673

原创 C++ primer | 第四章表达式

表达式 expression 由一个或者多个运算对象operand组成4.1 基础重载运算符 overloaded operator 当运算符作用于类类型的运算对象时，用户可以自定义其含义，自定义的过程相当于为已存在的运算符赋予了另外一种含义，所以成为重载运算符。左值和右值 c语言中右值不能在赋值语句中的左侧，他们指的是表达式 c++中，对象被用作左值的时候用的是他的位置，用作右值的时候是用

2016-09-29 00:13:51 498

原创论文笔记 | CNN-RNN:A Unified Framework for Multi-label Image Classification

AuthorsJiang Wang Yi Yang Junhua Mao Zhiheng Huang Chang Huang Wei Xu Wang Jiang Abstract利用了CNN和RNN，考虑了类别之间的dependency，取得了不错的分类效果1 Introductionmulti_label 的一些文献Y. Gong, Y. Jia, T. Leung, A. Toshe

2016-09-28 19:17:01 7277 6

Resnet融合特性及冗余性三篇文章ppt

空空如也