- 博客(35)
- 资源 (5)
- 收藏
- 关注
RSS订阅原创 AES-CBC-128bit加密算法
AES（高级加密标准，Advanced Encryption Standard），在密码学中又称 Rijndael 加密法，是美国联邦政府采用的一种分组加密标准。这个标准用来替代原先的 DES，目前已经广为全世界所使用，成为对称密钥算法中最流行的算法之一。更详细的介绍：https://en.wikipedia.org/wiki/Block_cipher_mode_of_operationAES...
2019-11-06 12:10:21
3049
转载 C++ std::function用法
参考自：https://www.cnblogs.com/lsgxeva/p/7787438.html https://www.cnblogs.com/nzbbody/p/3489573.html在C++中，可调用实体主要包括函数，函数指针，函数引用，可以隐式转换为函数指定的对象，或者实现了opetator()的对象（即C++98中的functor)。C++11中...
2019-10-31 16:23:46
429
原创 ShuffleNet v2算法详解
论文地址：https://arxiv.org/pdf/1807.11164.pdfShuffleNet v1的升级版，文中提供了如何建立weights-light网络的四条准则，并做实验进行了详细的分析，并依照这四点建议，在v1的基础上修改ShuffleNet block先看图对比shuffleNet v2的效果。对比了GPU和ARM平台下的速度和准确率的分布情况。作者提出：单一的FLOP...
2019-10-20 22:10:51
856
原创 MobileNet-v1算法详解
MobileNetv1论文地址：https://arxiv.org/pdf/1704.04861.pdf谷歌出品的一种深度学习加速模型，在基本不影响准确率的前提下大大减少计算时间和参数数量深度学习网络广泛应用在图像分类、检测中，但是网络结构复杂，参数过多，计算时间过长使其不容易在移动端应用。因此模型压缩、模型加速在未来是一个比较活跃的领域。mobileNets主要将传统的卷积结构改...
2019-10-19 20:59:51
1304
原创 ShuffleNet v1算法详解
论文地址：https://arxiv.org/pdf/1707.01083.pdfFace++的一篇关于降低深度网络计算量的论文什么是group convlution 群卷积 ?我们假设上一层的输出feature map有N个，即通道数channel=N，也就是说上一层有N个卷积核。再假设群卷积的群数目M。那么该群卷积层的操作就是，先将channel分成M份。每一个group对应N/M个...
2019-10-19 20:31:59
523
原创 MobileNet V2算法详解
论文地址：https://arxiv.org/pdf/1801.04381.pdfMobieNet-v2结果本文使用的SSDlite算法，就是将SSD的prediction layer换成了DW+PW的结构大量的实验表明，feature map的复用能提高实验结果，因此本文也就使用了 shortcut结构。这篇论文的题目：MobileNetV2: Inverted Resid...
2019-10-17 14:23:04
1178
原创 Ubuntu安装搜狗输入法
一、下载搜狗输入法http://pinyin.sogou.com/linux/ 选择32位或者64位在终端中使用命令：getconf LONG_BIT 查看自己电脑的是32还是64位二、安装XXXXX.deb是你的搜狗安装包，进入安装包所在的文件使用如下命令sudo dpkg -i XXXXX.deb三、修改输入方式打开系统设置----->语言支持(第一次...
2019-10-03 11:10:28
191
原创 win8.1系统下安装ubuntu16.04双系统
一、下载ubuntu系统（https://ubuntu.com/download/alternative-downloads）和UltralISO软件(这个是用来制作U盘启动盘的https://cn.ultraiso.net/xiazai.html)二、制作U盘启动盘（来自百度）1、安装UltralISO软碟通，后插入U盘；打开UltralISO软碟通2、点击“文件”中打开下载...
2019-10-01 21:42:17
779
原创 深度学习模型评价标准
1.查准率，精度（precision）和召回率，查全率(recall)查准率：预测为正例中实际的正例数比例查全率：有多少个正例被分为正例ROC曲线横坐标是特异性(FPR)：负正类 FP / (FP+TN)纵坐标的灵敏度(TPR)：真正类 TP / (TP+FN)如何画ROC曲线 INST CLASS SCORE...
2019-09-07 11:21:53
2271
原创 GDBT
GBDT：Gradient Boosting Decision Tree 梯度增强决策树GBDT主要由三个概念组成：①RegressionDecistionTree②GradientBoosting（即GB)，梯度增强③Shrinkage(缩减)RDTGBDT使用的是回归决策树，不是分类决策树！！！回归决策树是叶节点计算具体值。如预测年龄，身高等问题。...
2019-09-06 17:49:19
237
原创 C/C++ 计算程序运行的时间
C/C++计算程序执行时间的方法，精度依次增加，推荐度也依次增加1.#include <time.h>clock_t start, finish;double process_interval ;start=clock();process(); //要计时的程序finish=clock();process_interval =(double)(finish-star...
2019-07-11 20:13:09
739
原创 MTCNN算法详解
MTCNN:基于多任务卷积神经网络的人脸检测本文特点：①提出结合face detection和alignment的轻量级级联网络②online hard sample mining网络结构输入图像resizeminsize是指图片中需要识别的人脸的最小尺寸(单位：px)；factor是指每次对边缩放的倍数，文中使用的factor是0.709 ，原因是将长...
2019-07-05 11:29:29
971
原创 Face boxes详解
主要贡献：①Rapidly Digested Convolutional Layers(RDCL)快速缩小输入图片的尺寸②Multiple Scale Convolutional Layers(MSCL) 使用Inception模块增加感受野，离散化anchors(就是在不同层都有输入)③anchor densification strategy 锚点致密化策略（就是增加anchors...
2019-07-03 19:56:35
1289
原创 整流线性单元(Relu)及其变种(Leaky Relu、PRelu、ELU、SELU、CRelu、RRelu)
Relu (rectified linear unit)整流线性单元------可以有效防止梯度爆炸，将所有负值归零Relu(x)神经元的输出是max(x, 0)。提⾼ReLU 的带权输⼊并不会导致其饱和，所以就不存在前⾯那样的学习速度下降。另外，当带权输⼊是负数的时候，梯度就消失了，所以神经元就完全停止了学习。缺点是不能通过基于梯度的方法学习那些使它们激活为零的样本其他基于RELU的...
2019-07-02 23:05:40
10941
3
原创 RFCN及其PS ROI pooling理解
RFCN: Region-based Fully Convolutional Networks核心思想：提出位置敏感得分图，用以解决图像分类中平移不变形和物体检测中平移变化之间的冲突目前大部分的检测算法都是特征提取和目标检测两部分上图说明: R-CNN是直接输入了proposal，整个网络都用作检测，Faster-R-CNN是后10层由于检测；而R-FCN是1...
2019-06-28 11:17:32
1511
原创 memcpy函数使用说明
void *memcpy(void *str1, const void *str2, size_t n)参数str1-- 指向用于存储复制内容的目标数组，类型强制转换为 void* 指针。str2-- 指向要复制的数据源，类型强制转换为 void* 指针。 const关键字可以保证str2的内容不被修改n-- 要被复制的字节数。1.整个数组或者字符串的直接拷贝例如：...
2019-06-26 11:31:31
947
原创 ROI Pooling、Deformable ROI Pooling和Position-Sensitive(PS) RoI pooling
ROI Pooling出自Faster-RCNN, 用来将不同图像经卷积得到的特征图进行维度统一的操作，输入为一个feature map以及从中提取的ROI坐标值，输出为一个维度归一化的feature map。下图所示：feature map 输入到RPN网络后输出一系列ROI框的坐标值，然后ROIpooling层根据框的坐标值从feature map 中提取相应的区域，然后对区域进行一个...
2019-06-25 15:36:48
4948
原创 ubuntu系统挂载NFS服务器文件系统
自己的电脑（服务器），开发板（客户端）1.挂载NFS文件系统的原因如下：在服务器中开辟一部分内存，可以使服务器和客户端共享（读写操作，如何不能写入，需要修改文件的权限） 挂载了文件后服务器和开发板就链接在一起了，可以直接通信前期准备：安装NFS Server：sudo apt-get install nfs-kernel-server创建一个共享文件夹mkdir -...
2019-06-24 16:04:03
781
原创 M2Det算法详解
主要贡献：提出MLFPN结构， backbone采用了VGG-16为解决目标实例的尺度变化问题，主流做法有以下两种：在测试阶段使用图像金字塔（如cascade RCNN），就是将原始图像缩放成一系列的图形，就像金字塔一样（数据量增大很多，计算开销很大） 从输入图像中提取出的特征金字塔上进行检测，这种方式在训练和测试阶段都可以使用 总结：使用多尺度的图像来提高识别...
2019-06-22 11:38:28
3934
原创 Cascade-RCNN算法详解——级联RCNN网络
论文链接：https://arxiv.org/abs/1712.00726代码链接：https://github.com/zhaoweicai/cascade-rcnn特点：级联不同IOU阈值（界定正负样本）的输出，使不同IOU值检测与其相对应的IOU值的目标1.对IOU阈值设置问题进行了详细的分析Input IOU是输入proposal与ground truth的IOU值；...
2019-06-15 16:45:57
21198
2
原创 OHEM算法详解——online hard example mining
OHEM: online hard example mining论文链接：https://arxiv.org/abs/1604.03540主要特点：1.不需要设置正负样本比例来解决数据类别不平衡问题2.数据集越大，性能越明显文中所说：1.OHEM is a simple and intuitive algorithm that eliminates several h...
2019-06-15 15:15:50
1571
原创 FPN网络详解——feature pyramid network
FPN: feature pyramid networksFPN网络有效的解决了物体检测中多尺度问题；底层特征图中的信息较少，但是目标位置准确，高层特征图信息丰富，但是位置比较粗略，FPN不同的地方在于在不同的特征层独立进行预测目前提取特征的网络结构:1.简单CNN，最后一层预测如：SSPNet(使网络可以输入任意大小的图形), Fast-RCNN,Faster-RCNN,...
2019-06-14 23:10:55
5893
原创 SPP网络详解
SPPNet的目的：使输入图像尺寸不受限制卷积神经网络中，如何解决输入不是固定的sizeresize输入成固定大小的输入 替换网络中的全连接层，对最后的卷积层使用global average pooling 加入SPP layerGlobal average pooling例如：最后一层特征图大小为6*6*10，（width,hight,channels）,global av...
2019-06-14 15:30:04
7653
原创 SSD、DSSD算法详解
SSD（Single Shot MultiBox Detector）特点：多尺度特征图用于检测；采用了先验框，,SDD backbone采用VGG-16SSD和YOLO一样都是采用一个CNN网络进行检测，但是采用了多尺度的特征图，如下图所示：采用多尺度特征图用于检测采用步长stride=2的卷积或者pool来降低特征图的大小，比较大的特征图用来检测小目标，比较小的特征图用...
2019-06-14 11:22:41
7051
原创 Deconvolution、upsampling和unpooling详解
Deconvolution更注重的是如何将尺寸还原回来，而不注重value还原已知输入为X，卷积核为C，求输出特征Y，则卷积过程为Y=C∗X，如果已知Y和C,求输入X，,就是deconvolution过程.。实际计算中并不是求C的逆矩阵，而是求，所以 ，求逆矩阵可以还原尺寸和value,但是如果再还原出相同的value的话，我们何必费怎么大的力气，经过怎么多计算而又得到了与前几层完全相...
2019-06-12 12:24:11
720
原创 FCN详解
FCN(fully convolution net)FCN对图像进行像素级的分类，从而解决了语义级别的图像分割（semantic segmentation）问题。与经典的CNN在卷积层之后使用全连接层得到固定长度的特征向量进行分类（全连接层＋softmax输出）不同，FCN可以接受任意尺寸的输入图像（为什么？因为全连接层的输入要求是个定值，这样层层向前推进，输入也就是固定的了），采用反卷积层对...
2019-06-12 11:01:30
6506
原创 DenseNet算法详解
DenseNet的结构示意图：DenseNet的连接方式更加粗暴：相互连接所有的层，每个层都会连接前面所有层作为额外的输入。DenseNet网络的优点包括：减轻了梯度消失 加强了feature的传递 更有效地利用了feature 一定程度上较少了参数数量 一定程度上减轻了过拟合下图是ResNet的连接方式：每个层与前面的某层shortcut元素级相加下图是...
2019-06-10 23:14:08
1042
原创 Faster-RCNN算法详解
Faster-CNN结构图（以下是Faster-RCNN的结构图）上图中的目标检测包含了包括region proposal（生成ROI）、feature extraction（特征提取网络）、classification（ROI分类）、regression（ROI回归）。而faster-rcnn利用一个神经网络将这4个模块结合起来，训练了一个端到端的网络。输入：将P*...
2019-06-10 21:53:07
2037
3
原创 YOLO算法详解+完整代码详解
YOLOv2特点：darknet网路；使用先验框；多尺度训练针对YOLOv1的缺点进行改进，下图是YOLOv2做的一些改进，大部分的改进都能提升mAP图片来自：https://blog.csdn.net/wfei101/article/details/79398563Batch normalization（每个卷积之后进行批归一化）批归一化可以提升模型的收敛速度，而且起到...
2019-06-06 13:49:53
41601
34
原创 GAN 生成对抗模型详解
Goodfellow等人提出来的GAN是通过对抗过程估计生成模型的新框架。在这种框架下，我们需要同时训练两个模型，即一个能捕获数据分布的生成模型G和一个能估计数据来源于真实样本概率的判别模型D。生成器G的训练过程是最大化判别器犯错误的概率，即判别器误以为数据是真实样本而不是生成器生成的假样本。因此，这一框架就对应于两个参与者的极小极大博弈（minimaxgame）GAN网络如...
2019-05-23 19:53:35
3699
原创 C++知识点 面试常问考点
一、C++中包含哪几种强制类型转换，他们有什么联系和区别？reinterpret_cast：转换指针为其他类型的指针。操作结果知识简单的从一个指针到别的指针的二进制拷贝，在类型之间指向的内容不做任何类型的检查和转换。 class A{};class B{};A* a = new A;B* b = reinterpret_cast(a); static_cast：允许执行...
2019-05-21 21:25:37
262
原创 Win 7或者 Win 8.1系统下安装centOS 7双系统方法（亲测）
一、压缩硬盘空间（装CentOS用）法一：依照该方法就可以：https://jingyan.baidu.com/article/425e69e6bbd0c7be14fc164a.html（做完第五步就OK了） 法二：计算机-->管理--->磁盘管理--->右击你要压缩的磁盘（如下图） 然后选择压缩卷，压缩完新的磁盘是绿色的就不要管了。二、使用Ultra...
2019-05-19 21:08:24
649
原创 C++重要知识点总结（面试知识点复习）
BASIC GRAMMAR输入字输出char ch; char str[15]; char ch; char str[15];sacnf("%c",&ch); scanf("%s",str); ch=getchar(); gets(str);c...
2019-05-14 21:22:33
266
原创 在图中使用dijkstra算法求次短路径的C++实现方式（代码）
#include <iostream>#include <string.h>#include <queue>#include <algorithm>#include <vector>using namespace std;#define N 5005#define INF 111111111 /...
2019-02-28 11:33:38
380
原创 Django2.0 + Apache2.4-VC14 + mod_wsgi4.5.22 + python3.6在windows server2012配置详情(64位)
Django2.0 + Apache2.4-VC14 + mod_wsgi4.5.22 +python3.6在windows server2012配置详情(64位)：一、以下所有的软件都下载64位(1) 安装python3.6 建议使用anaconda 下载网址https://www.anaconda.com/download/(2) anaconda中已经装好了pip 在，打开命令提示符使用
2018-01-02 14:43:03
1986
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人