- 博客(421)
- 资源 (5)
- 收藏
- 关注
RSS订阅
原创 CNN 论文阅读
参考网站:知乎，计算机视觉论文速递 https://zhuanlan.zhihu.com/c_1725076741. 《CBAM: Convolutional Block Attention Module》ECCV 2018CBAM integrated with a ResBlock in ResNetAbstract：我们提出了卷积块注意力模块（CB...
2019-03-05 19:03:58
987
转载 Ubuntu 16.04 系统没有声音的解决办法
独立安装了 Ubuntu 16.04 系统后，打开发现没有声音，记得第一次安装的时候也是这个问题，后来具体通过修改什么文件解决的忘记了，这回遇到却没地方找，实在是后悔不已。经过几番折腾，这回找到的办法较上次简单，不用去修改文件，直接下载软件然后修改设置即可，具体方法如下：1、打开终端输入以下代码，安装需要的软件sudo apt install pavucontrol2、安装...
2017-07-06 14:24:32
25216
原创 公司ubuntu服务器登录与操作记录
1.同一个局域网内的ubuntu机器ubuntu terminal登录服务器ssh [email protected]输入密码后进入访问其他用户：cd /home/zhaolsrm XXx 删除文件vim xxx 编辑文件， i 进入编辑模式。。编辑完了， Esc , :q退出编辑。\who查看当前服务器用户数2.从本地机器上传文件到服务器的h
2017-01-17 16:43:43
2880
转载 Caffe学习(1):Ubuntu16.04上Caffe配置安装(Only CPU)
常说天作孽犹可违，人作孽不可活啊，那为了毕设，我就是作死啊。没办法自己从三月份辞掉实习开始断断续续学习深度学习，才明白入坑虽浅，基情不断啊。为了能够完成毕设，便选了Caffe，也到处都是坑啊。没办法，为了祭奠我那糟糕透顶的记忆脑细胞，用我这糟糕的文笔稍微记录一下吧。首先想吐槽一下，我的电脑没有Nvidia，没有Nvidia，没有Nvidia，重要的事情说三篇。在这上面就耽误了好几天。
2016-11-03 21:49:09
662
转载 对比度受限的自适应直方图均衡化(CLAHE)（转）
直方图均衡化（HE）是一种很常用的直方图类方法，基本思想是通过图像的灰度分布直方图确定一条映射曲线，用来对图像进行灰度变换，以达到提高图像对比度的目的。该映射曲线其实就是图像的累计分布直方图（CDF）（严格来说是呈正比例关系）。然而HE是对图像全局进行调整的方法，不能有效地提高局部对比度，而且某些场合效果会非常差。如：上述原图和HE结果图的直方图分别为：因为从原图的直方图中求取的映射函数（CDF）形状为：将它作用于原图像会导致直方图被整体右移，没有充分利用整个灰度动态范围。为了提高图像的局部
2020-07-05 19:03:41
1553
1
转载 Logstash 讲解与实战应用
https://blog.51cto.com/tchuairen/1840596目录一、Logstash 介绍二、安装logstash三、使用命令行运行一个简单的logstash程序四、配置语法讲解五、filebeat基本讲解六、实战运用架构一：nginx日志->filebeat->logstash->redis->logstash->...
2019-12-27 15:16:19
745
转载 pytorch手动实现滑动窗口操作，论fold和unfold函数的使用
在卷积网络中，经常会需要用到卷积核滑动窗口的操作，如下图所示。这个操作在大多数的深度学习框架中，都被封装的很好，以至于我们并不需要显式地调用便可以实现卷积网络的这个操作。但是，大部分深度学习框架也是提供了显式地进行滑动窗口操作的API的，在pytorch中就是unfold和fold。接下来我们来探讨下这两个函数的使用。在pytorch中，和unfold有关的有:torch.nn.Unf...
2019-12-17 00:22:54
9541
2
转载 IEEE Access投稿（Latex模板）——参考文献的生成
从网站上下载latex模板https://journals.ieeeauthorcenter.ieee.org/create-your-ieee-journal-article/authoring-tools-and-templates/ieee-article-templates/templates-for-ieee-access/点击下载LaTex template，下载后补充替换模板内容...
2019-11-10 12:51:10
9142
4
转载 IEEE-access 模板LaTeX Error: Something's wrong--perhaps a missing \item.
最近要开始写一篇Journal paper, 于是下载了IEEE上的模板，但是模板上的参考文献与正文是在一个界面上的， 像这样：\begin{thebibliography}{1} \bibitem{IEEEhowto:kopka} H.~Kopka and P.~W. Daly, \emph{A Guide to \LaTeX}, 3rd~ed.\hskip 1em plus...
2019-11-10 12:48:03
958
转载 LSTM+CRF机器学习模型
本文介绍的深度学习模型来自Di Jin和Peter Szolovits的paper《PICO Element Detection in Medical Text via Long Short-Term Memory Neural Networks》。在该模型中涉及到的知识点主要有词嵌入（word embedding）,双向LSTM网络，Attention机制（Hierarchical Attent...
2019-07-16 12:29:10
1591
转载 Deep Reinforcement Learning 深度增强学习资源 (持续更新）
https://zhuanlan.zhihu.com/p/20885568Deep Reinforcement Learning深度增强学习可以说发源于2013年DeepMind的Playing Atari with Deep Reinforcement Learning 一文，之后2015年DeepMind 在Nature上发表了Human Level Control through ...
2019-07-11 11:32:52
1063
转载 NEURAL ARCHITECTURE SEARCH WITH REINFORCEMENT LEARNING 笔记
这是一篇使用增强学习来进行模型搜索的论文。结构如下图：overview由于不知道网络的长度和结构，作者使用了一个RNN作为控制器，使用该控制器来产生一串信息，用于构建网络。之后训练该网络，并用网络的accuracy作为reward返回给控制器来更新控制器的参数，达到更优的策略。其中控制器（RNN）的设计借鉴了sequence to sequence的思想，不同的是它优化的是一...
2019-07-08 16:04:02
581
转载 GPU 显存不足怎么办？
前言最近跑的模型都比较大，尤其是Bert， 这真的是难为我 1080ti 了， 在Bert的Example中，官方提供了一些 Trick 来帮助我们加速训练，很良心， 但感觉还不够，于是花费一些时间整理出一个 Trick 集合，来帮助我们在显存不足的时候来嘿嘿嘿。本文分为两大部分，第一部分引入一个主题：如何估计模型所需显存， 第二个主题：GPU显存不足时的各种 Trick 。监控 GP...
2019-06-05 23:36:08
24285
8
转载 CVPR 2019 Oral 论文解读 | 百度提出关于网络压缩和加速的新剪枝算法
AI 科技评论按：百度关于网络压缩和加速的论文《 Filter Pruning via Geometric Median for Deep Convolutional Neural Networks Acceleration》被 CCF A 类学术会议 CVPR 2019 收录为 Oral 论文，这篇论文提出了新的基于滤波器的几何中心（geometric median）的剪枝算法，来对神经网络进行...
2019-05-29 12:17:48
1104
转载 深度学习干货学习（1）——center loss
在构建loss时pytorch常用的包中有最常见的MSE、cross entropy（logsoftmax+NLLLoss）、KL散度Loss、BCE、HingeLoss等等，详见：https://pytorch-cn.readthedocs.io/zh/latest/package_references/torch-nn/#loss-functions这里主要讲解一种考虑类间距离的Cente...
2019-05-28 15:25:46
745
转载 深度学习干货学习（2）—— triplet loss
https://blog.csdn.net/Lucifer_zzq/article/details/81271260一、Triplet结构：triplet loss是一种比较好理解的loss，triplet是指的是三元组：Anchor、Positive、Negative：整个训练过程是： 首先从训练集中随机选一个样本，称为Anchor(记为x_a)。 然后再随机选取...
2019-05-28 15:21:44
4279
转载 Bag of Tricks for Convolutional Neural Networks
https://zhuanlan.zhihu.com/p/51870052刚刚看了Bag of Tricks for Image Classification with Convolutional Neural Networks，一篇干货满满的文章，同时也可以认为是GluonCV 0.3: 超越经典的说明书，通过这个说明书，我们也拥有了超越经典的工具箱。我们都知道trick在CNNs中的重...
2019-05-28 11:03:31
316
转载 论文分享--A Strong Baseline for Re-ID
https://zhuanlan.zhihu.com/p/65631409https://zhuanlan.zhihu.com/p/61831669分享最近读到的一篇论文Bag of Tricks and A Strong Baseline for Deep Person Re-identification，这篇文章对person reid问题中的训练技巧进行了一个很好的总结，并提出了一个...
2019-05-28 09:51:16
3077
转载 ICML 2019 | Hinton等人新研究：如何更好地测量神经网络表示相似性
作者：Simon Kornblith、Mohammad Norouzi、Honglak Lee、Geoffrey Hinton参与：可可、路近期很多研究试图通过对比神经网络表示来理解神经网络的行为。谷歌大脑 Simon Kornblith、Geoffrey Hinton 等人的一项新研究引入了 centered kernel alignment (CKA) 作为相似性指数，并分析 CKA...
2019-05-27 12:56:14
1594
转载 tensorflow卷积神经网络中的padding参数最详细解释！
tensorflow卷积神经网络中的padding参数最详细解释！当使用tensorflow创建卷积神经网络时，肯定要用到卷积层和池化层，tendorflow关于建立卷积层和池化层的API都有padding这个参数，如下所示：- tf.nn.conv2d(input,filter,strides,padding)- tf.nn.max_pool(input,ksize,strides,...
2019-05-19 15:30:17
3644
1
转载 期刊分区常识
作为一个科研工作者，了解期刊论文的一些基本常识是大有裨益的。这对于我们深入了解所从事领域的研究、和论文的写作与发表等都会有很大的帮助。比如对于期刊分区的问题，从事科研的人都听过，但是也许你并没有深入了解其概念和意义。尤其对于刚刚步入科研领域和外行的人来说，可能仅仅凭借分区和影响因子来评价期刊的优劣。如果这样的话，难免被内行人笑话。这篇文章着重讨论一下论文分区的问题并科普一些有关的基本常识。...
2019-04-29 12:48:52
2409
转载 学术论文级别
(1) 公开发表的论文分为六个级别（类） 第一级－T类：特种刊物论文，指在《SCIENCE》和《NATURE》两本期刊上发表的论文第二级 - A类:权威核心刊物论文，指被国际通用的SCIE、EI、ISTP、SSCI以及A&HCI检索系统所收录的论文（以中国科技信息研究所检索为准），或同一学科在国内具有权威影响的中文核心刊物上发表的论文，论文不含报道性综述、摘要、消息等。第三...
2019-04-29 12:25:51
7922
转载 拉普拉斯金字塔分解及图像融合
单图像求高斯金字塔和拉普拉斯金字塔高斯金字塔设高斯金字塔第l层图像Gl所做操作：即当前层是上一层的高尺度图像先高斯滤波，再降采样。下采样过程这里，N为层数。Rl为l层行数。w(m,n)是5*5二维可分离高斯滤波器。拉普拉斯金字塔分解目的是将源图像分别分解到不同的空间频带上，相当带通滤波构造过程：第l层为高斯金字塔l层与l+1层图像经过内插放大后图像的差。上采样...
2019-04-25 23:47:50
2951
转载 图像金字塔（Python实现）
图像金字塔（Python实现）1 简介在图像处理中常常会调整图像大小,最长的就是放大(zoom in)和缩小(zoom out),尽管集合变换也可以实现图像放大或者缩小一个图像金字塔式一系列的图像组成,最底下一张式图像尺寸最大,最上方的图像尺寸最小,从空间上从上向下看,就可以看成埃及金字塔.高斯金字塔–用来对 图像进行降采样拉普拉斯金字塔–用来重建一张图片根据他的上层降采样图片2 高斯...
2019-04-25 23:15:13
5038
转载 CAM方法获取显著图：基于pytorch的实现
CAM方法获取显著图：基于pytorch的实现1、下载代码 2、具体代码 （1）导入需要的模块 （2）具体代码详解 （3）生成结果 转：CAM实践：基于pytorch的使用方法原文地址：https://cloud.tencent.com/developer/article/1370937非原创，直接copy的网上的，懒得打字，不喜勿喷1、下载代码git clone...
2019-04-25 22:49:13
2615
2
转载 利用pytorch实现Visualising Image Classification Models and Saliency Maps
saliency mapsaliency map即特征图，可以告诉我们图像中的像素点对图像分类结果的影响。计算它的时候首先要计算与图像像素对应的正确分类中的标准化分数的梯度(这是一个标量)。如果图像的形状是(3, H, W)，这个梯度的形状也是(3, H, W)；对于图像中的每个像素点，这个梯度告诉我们当像素点发生轻微改变时，正确分类分数变化的幅度。计算saliency map的时候，需...
2019-04-25 22:45:05
1148
转载 迁移学习的应用场景以及finetune的使用方法
这里简单介绍下什么是迁移学习，就是基于前已经学习到的知识应用到当前具体的任务需求上，而他们两者的领域并不是相同的，严谨说是不是直接相关的，比如任务是不同类型（如之前的分类猫和狗，而当前的可能是分类狮子和大象），或者数据集是不同类型的（如先前的数据是拍摄的自然真实动物的图像数据，而当前的数据是卡通，漫画的图像数据）。典型的可分为两大类情形：1是different domain, similiar t...
2019-04-19 17:20:02
1132
原创 Incremental Learning
2018-2019 Paper:Multi-task settings:Class-incremental Learning via Deep Model Consolidation https://arxiv.org/abs/1903.07864v1End-to-end Incremental Learninghttps://github.com/fmcp/EndToEndI...
2019-04-19 17:03:10
2475
1
原创 Darknet Fine tune模型注意事项
（1）参数学习率，需要调小。（2）观察loss，是否下降，或者上升，跳动特别明显。如果上升或者跳动特别明显说明 learn rate较大。原因：之前训练模型总的训练样本数量 t1与现在fine tune的 t2不一样。如果 t1 > t2, 不改变learn rate, 通过poly 策略算下来，fine tune时的初始learn rate < 上一个模型训练结束时的 学习率。 ...
2019-04-19 15:46:18
832
转载 Tensorboard使用
参考网站：https://www.jb51.net/article/134956.htm 较好背景在复杂的问题中，网络往往都是很复杂的。为了方便调试参数以及调整网络结构，我们需要将计算图可视化出来，以便能够更好的进行下一步的决策。Tensorflow提供了一个TensorBoard工具，可以满足上面的需求。介绍TensorBoard是一个可视化工具，能够有效地展示Tensorf...
2019-04-18 16:17:54
23836
转载 Opencv下视频的读写
1. 视频结构一个视频由压缩格式(container, eg. avi, mkv...)和封装格式(codec, eg. H264, DIVX)组成.详细解释:源自[1]For start, you should have an idea of just how a video file looks. Every video file in itself is a container. ...
2019-04-09 16:13:05
216
转载 变形卷积核、可分离卷积？CNN中十大拍案叫绝的操作！
原文链接：https://mp.weixin.qq.com/s/iN2LDAQ2ee-rQnlD3N1yawCNN从2012年的AlexNet发展至今，科学家们发明出各种各样的CNN模型，一个比一个深，一个比一个准确，一个比一个轻量。我下面会对近几年一些具有变革性的工作进行简单盘点，从这些充满革新性的工作中探讨日后的CNN变革方向。注：水平所限，下面的见解或许有偏差，望大牛指正。另外只介...
2019-04-04 04:17:43
914
转载 首次披露！拍立淘技术框架及核心算法，日均UV超千万 2017-8
https://yq.aliyun.com/articles/161333?utm_content=m_27815出自：阿里云/云栖社区/阿里技术/博客摘要：近期，谷歌工程师为何疯狂迷上阿里郎的鞋？一文引发关注，以“拍立淘”为代表的计算机图像技术让业内人士称赞不已。以图搜图，是通过搜索图像内容或者视觉特征，为用户提供互联网上相关图像资料检索服务的专业搜索引擎，是搜索引擎的一种细分。...
2019-04-02 17:38:55
797
转载 caffe卷积层延伸：卷积核膨胀详细解析
在笔者的上一篇博客中，解析caffe的卷积层时，在conv_layer.cpp中有一个卷积核膨胀操作，在conv_layer.cpp的第17行有如下代码const int kernel_extent = dilation_data[i] * (kernel_shape_data[i] - 1) + 1;上面的代码描述了卷积核的膨胀操作，我们不妨来做个假设，卷积核为3*3的，膨胀系数为...
2019-03-31 14:45:43
576
转载 【caffe】Layer解读之：Reshape
2018年08月11日 17:36:14yuanCruise阅读数：793更多所属专栏：Caffe源码学习版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qiu931110/article/details/81588956Layer type: Reshape 头文件位置：./include/caffe/layers/r...
2019-03-31 13:46:17
2062
转载 SKNet——SENet孪生兄弟篇
Selective Kernel Networks启发自皮质神经元根据不同的刺激可动态调节其自身的receptive field，是结合了SE operator，Merge-and-Run Mappings，以及 attention on inception block 思想的产物。从设计理念上来讲也比较simple，即对所有的 > 1 的卷积kernel进行 Selective Kern...
2019-03-31 13:06:44
3651
2
转载 深度卷积神经网络CNN中shortcut的使用
导语shortcut(或shortpath，中文“直连”或“捷径”)是CNN模型发展中出现的一种非常有效的结构，本文将从Highway networks到ResNet再到DenseNet概述shortcut的发展。前言 自2012年Alex Krizhevsky利用深度卷积神经网络（CNN）（AlexNet [1]）取得ImageNet比赛冠军起，CNN在计算...
2019-03-31 13:01:06
10998
2
转载 （LaTex)CTex的初次使用心得及入门教程
摘要最近要发论文了，被知乎里人推荐使用论文编译软件（CTex、LaTex和Overleaf之类），瞬间感觉自己用Word简直Out了（书读少）。学校里也听说过LaTex，不过因为当时没怎么写过论文，所以对这么麻烦的软件（什么文字还可以编译！写文章就像编程一样！）要一直谨谢不敏，但是最近使用Word进行格式编辑时，实在是烦晕了，特别是表格设置，还有什么分栏跨栏之类，整得头都大了，于是便决定尝...
2019-03-29 15:09:44
1058
二维码生成与扫描
2015-08-05
环信Android SDK导入 视频示例 代码
2015-08-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人