- 博客(21)
- 资源 (2)
- 收藏
- 关注
RSS订阅
原创 Awesome Object Detection Repositories
Introductiongithub: [github.io]https://youngxiao.github.io/z_post/目标检测-repositories/Based on amusi’s repositories: https://github.com/amusi/awesome-object-detectionFrom 2015 to May, 2019. Some awes...
2019-08-01 18:01:38
1232
原创 SSH 连接 Google colab
SSH 连接 Google colab前言在网上参考的利用 SSHD 和 ngrok 实现远程连接 Google colab，具体参考 Gist. 如果不喜欢 colab 的 web 工作环境，以及要加特殊符号的 shell 命令，可参考本文，亲测。步骤1. 进入 google 云盘创建一个 colaboratory jupyter 文件2. 设置创建的 .ipynb 文件，选择 ...
2019-06-24 17:58:09
13698
4
转载 最新的边缘检测文章及代码[2019]
Awesome-Edge-Detection-Papers前言本文转载至 Awesome-Edge-Detection-papers视觉顶会或期刊的文章，更新至 2019，edge detection (a.k.a. contour detection or boundary detection)并且包括了基于 DeepLearning 的算法，以及传统的检测方法，具体看 outline，...
2019-06-05 14:20:27
8154
原创 训练深度目标检测模型的免费 tricks
文章目录前言IntroductionRelated WorkScattering tricks from Image ClassificationDeep Object Detection PipelinesBag of FreebiesVisually Coherent Image Mixup for Object DetectionClassification Head Label Smoot...
2019-04-19 17:09:07
5635
翻译 理解基于深度学习的目标检测算法
理解基于深度学习的目标检测算法前言原文地址：UNDERSTANDING DEEP LEARNING FOR OBJECT DETECTION基本没有改变作者的原意，在很少的地方有微小的改动。随着卷积神经网络（CNN）的出现，我们在计算机视觉任务（如目标检测，图像分割，分类等）方面取得了令人瞩目的进步。为了理解视觉场景中对象之间的动态和交互，我们需要对顺序和关联信息进行建模，以便在时间和空...
2019-03-14 11:39:56
6284
原创 Selective Search 算法
目标检测和图像分类图像分类：识别图像中的目标。输入图片，输出图像中存在的目标类别，以及对应类别的概率。目标检测：识别+定位图片中的目标。输入图片，输出图像中存在的目标类别，以及置信度，还输出边界框（x, y, width, height）表示目标在图片中的位置。可见目标检测算法的核心之一也是图像分类。假设我们训练了一个图像分类模型，它可以识别图像中的目标，但是不知道目标的位置，要定位目...
2019-03-06 20:54:04
855
转载 Deep Learning object detection (2014-2019) 资源
基于深度学习的目标检测算法发展史(2014-2019)本篇是 fork from deep_learning_object_detection. 这个韩国人参考了 this survey paper. 然后不停的 search，都有论文下载链接，部分有实现代码供参考，可以说很全面的包含了基于深度学习的目标检测算法，需要查看论文的时候随时下载，感谢。更新到: 2019/01/14paper l...
2019-01-18 09:59:10
7368
原创 ncnn 交叉编译Arm Linux，64位armv8架构
young@fcserver-1:~/xy/tmp_ncnn/build-arm-linux-gnueabihf$ cmake -DCMAKE_TOOLCHAIN_FILE=../toolchains/arm-linux-gnueabihf.toolchain.cmake ..-- CMAKE_TOOLCHAIN_FILE = /home/young/xy/tmp_ncnn/toolchains...
2019-01-09 16:57:31
11321
2
原创 Net_surgery: 关于如何reshape caffe中.caffemodel中的卷积层
Net_surgery: 关于如何reshape caffe中.caffemodel中的卷积层1. 前言前提是当有一个训练好的模型或者一个预训练模型，而我们需要微调网络的时候，例如修改某些卷积层的 size，需要微调网络的原因有很多，例如想要提升模型精度，增加某些卷积层的 channel，或者更在意模型的实时性（速度），减少某些卷积层的 channel。当 reshape 了网络某些层的 s...
2018-12-28 14:55:31
676
原创 GoogLeNet Inception v1,v2,v3,v4 演变
GoogLeNet Inception v1,v2,v3,v4 演变1. 前言This name is an homage to Yann LeCuns pioneering LeNet-5 network.GoogLeNet v1 里面说为了致敬 LeNet 才取的这个名，假装这是真的。关于 GoogLeNet v1-v4 ，网上已经有太多的学习总结，本文只是记录一下我个人 get...
2018-12-25 16:10:31
1690
原创 MobileNetv2-SSDLite训练自己的数据集
MobileNetv2-SSDLite 实现以及训练自己的数据集1. 环境Caffe 实现 MobileNetv2-SSDLite 目标检测，预训练文件从 tensorflow 来的，要将 tensorflow 模型转换到 caffe.先废话，我的环境，如果安装了 cuda, cudnn, 而且 caffe，tensorflow 都通过了，请忽略下面的，只是要注意 caffe 的版本：...
2018-12-13 10:21:51
20664
49
翻译 为何 MobileNet 及其变种（如 ShuffleNet）速度很快
为何 MobileNet 及其变种（如 ShuffleNet）速度很快这篇文章是从 Medium 上看到的一篇 blog，比较 nice，直接翻译过来了。译文地址：Why MobileNet and Its Variants (e.g. ShuffleNet) Are Fast1. 介绍在本文中，概述了高效的 CNN 模型（如 MobileNet 及其变体）中使用的构建块，并解释了它...
2018-12-11 16:10:50
4133
原创 1x1卷积核的作用
Why？ 1x1 卷积1. 前言往往很多人喜欢把事情搞得复杂，显得高大上，却并不实用，殊不知有时候简单的想法才是最美的。就好像是一堆巧妙的数学公式推导，常常有某一个极简的数学公式在作支撑，奇技淫巧无处不在。此外，研究算法的乐趣之一就是存在这些神奇的地方。如果是自己发现会很有成就感，如果在别人的思想中发现也会产生共鸣。今天要记录 CNN 中的 1x1 卷积的神奇之处，或者说有什么用？当然我承...
2018-12-10 19:42:09
16651
6
原创 YOLO 学习总结
YOLO，you know?1. 前言YOLOv1 早已过时，但历史总是重要的，为了完整性，还是记录之前学习的基础，以便总结改进算法时能清晰的定位改进点，学习优化的思想。此外在深度学习之前，目标检测领域最好的算法就是 DPM（Deformable parts models），简单提一下：利用了 SIFT 特征等，通过滑动窗口（sliding window）在图像中提出目标区域，然后 S...
2018-12-07 14:48:42
6885
原创 熵，信息量，交叉熵
熵（Entropy）维基百科Entropy(information theory).定义：Information entropy is the average rate at which information is produced by a stochastic source of data.在信息论中，熵（entropy）是接收的每条消息中包含的信息的平均量，又被称为信息熵等。这里...
2019-02-22 15:01:25
386
原创 KNN sklearn python实现小示例
KNN simple demok-近邻（KNN）算法可用于分类或回归。这是一种简单的机器学习算法，但它通常非常有效。它是非参数的，也就是说它没有固定数量的参数。当你训练KNN时，它找到k个“最近点”到一个给定的点，并返回最高比例的类。如果k＝1，则只查找一个最接近的点并返回它的类。这不太理想。KNN的最优K值通常在3-10。测试输入x与训练样本之间的距离欧氏距离是典型的距离度量。其他的距离度量也被使
2017-11-29 21:52:39
4100
原创 决策树和随机森林用 python treeinterpreter实现
示例说明这个博客深入到决策树和随机森林的基础上，以便更好地解释它们。 在过去的几年中，随机森林是一种新兴的机器学习技术。它是一种基于非线性树的模型，可以提供精确的结果。然而，大多是黑箱，通常很难解释和充分理解。在本文中，我们将深入了解随机森林的基本知识，以便更好地掌握它们。首先从决策树开始。 编译环境是 jupyter notebook， 可以通过安装 Anaconda，导入 scikit-l
2017-11-18 21:38:33
5115
3
原创 Linear Regression 线性回归sklearn python实现
示例说明本示例是一个简单有趣的试验，是对天气变化的数据回归出一条预测线 出来，数据集非常简单，对应每一年二氧化碳的排放量，和每一年气温均值的变化， 编译环境是 jupyter notebook， 可以通过安装 Anaconda，导入 scikit-learn 库可以很容易实现，github示例代码数据集，有人上传视频到 Youtube Video ，也可以看看。概述linear_regres
2017-11-18 17:40:29
2966
2
原创 SVM sklearn python实现小示例
SVM sklearn python实习小示例示例说明本示例是一个简单的试验，甚至连数据集都不用额外准备，旨在加深对SVM和核函数的理解，并看看如何利用 scikit-learn 中的svm， 编译环境是 jupyter notebook， 可以通过安装 Anaconda，导入 scikit-learn 库可以很容易实现，github示例代码。本例中变没有用外部数据集，而是随机生成的点，大家在理
2017-11-18 17:32:22
21689
原创 java中PreparedStatement接口及ResultSet结果集
说明：1.PreparedStatement接口继承Statement,它的实例包含已编译的SQL语句，执行速度要快于Statement。2.PreparedStatement继承了Statement的所有功能，三种方法executeUpdate、executeQuery、execute不再需要参数。3.在JDBC应用中，一般都用PreparedStatement，而不是Stateme
2016-07-02 22:43:05
13568
原创 Java中使用Statement接口SQL语句
Statement执行SQL语句：1. 对数据库的曾删改操作时，使用stmt.executeUpdate(sql 执行给定 SQL 语句，分别为 insert 、update、delete.2. 对数据库做查询时，直接使用 stmt.executeQuery(sql)，返回结果可以为一个resultSet结果集。首先做一些准备工作：①对要进行操作的数据
2016-07-02 22:14:22
8108
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人