qq_28871609的博客

原创 美团测试开发岗笔面试（北京）

笔试：（2020年8月8日 16：00-18：00）四道编程一道分析（每题20分）虽然前两道都写了，但只有一道编程快通过了？星星评级，输入五个数字分别代表一星到五星的星星数量，比如：input：1,2,3,4,5 output：3.0（要求保留一位小数）输入第一行正整数n，接下来n行，每行x，y表示订单金额满x可以使用，优惠y元，输出2个正整数，空格隔开，分别表示购买的外卖价值和实际付款，比如input：| 3 || 5 | 3 || 10 | 5 || 1 | 2 |outp

原创 CenterNet踩坑记

借鉴了两位大佬的训练指导(非常感谢)https://blog.csdn.net/weixin_42634342/article/details/97756458https://blog.csdn.net/weixin_41765699/article/details/100118353记录一下自己实验的情况(纯小白)我的数据集一共6000张,3885张训练,1213张验证,971张测试(其...

原创 训练所用到的一些代码

整理一些深度学习训练会用到的代码:(从网上找到的,非本人所写,有进行一些修改)针对.xml标签文件进行处理: files.py遍历标签,得到数据集所有类别:getclass.py从图片文件夹中获得所有图片名字(去除.jgp),得到一个txt文档: get _imgnum.py从标签文件夹中得到某一个类有哪些,输出txt文档: get_num.py从标签文件中获得txt文本中名字所对应的...

原创 一些安装的资料

查看pytorch版本以及cudapytorch查看版本conda虚拟环境基本命令gcc不同版本切换cuda历史版本下载比较全的安装过程查看conda可安装的包的版本

原创 讲

**流引导扭曲。**如[49]所示，给定参考帧Ii和相邻帧Ij，流网络F（例如，FlowNet [8]）估计流场Mi→j = F（Ii，Ij）。根据流将相邻帧上的特征映射扭曲到参考帧。扭曲函数定义为其中W（·）是在特征映射中为每条通道应用于所有位置的双线性扭曲函数，并且fj→i表示从帧j到帧i扭曲的特征映射。**功能聚合。**在特征扭曲之后，参考帧累积来自附近帧（包括其自身）的多个特征...

原创 FGFA资料

光流介绍https://blog.csdn.net/u013010889/article/details/71189271Flownethttps://blog.csdn.net/zjc8888888888/article/details/78171018https://blog.csdn.net/hysteric314/article/details/50529804其他了解...

原创 Spatio-Temporal Object Detection Proposals翻译

摘要：视频中的动作和事件的时空检测是一个具有挑战性的问题。除了与识别相关的困难之外，视频中检测的主要挑战是由沿着帧的边界框序列形成的时空管定义的搜索空间的大小。最近，已经证明产生无监督检测提议的方法对于静止图像中的对象检测非常有效。这些方法开启了使用强但计算上昂贵的特征的可能性，因为仅需要评估相对少量的检测假设。在本文中，我们为利用时空检测问题的检测方案做出了两点贡献。首先，我们扩展最近的2D对象...

原创 T-CNN提到的一些概念

R-CNN目标检测的selective search（SS算法）https://www.cnblogs.com/wxl845235800/p/10409095.htmlhttps://blog.csdn.net/surgewong/article/details/39316931SVM分类器https://blog.csdn.net/pymnn/article/details/786...

原创 T-CNN: Tubelets with Convolutional Neural Networks for Object Detection from Videos翻译

**得奖：**总体而言，我们的框架在ILSVRC2015中提供的数据轨道中排名第一，在30个和第二个类别中获得28个等级，获得11个等级。 表VI中显示了验证集上提交的模型的详细AP列表。 我们的团队和其他排名靠前的团队对测试数据的最终结果如表VII所示。近年来，随着新型深度卷积神经网络（CNN）[1]，[2]，[6]，[7]和物体检测框架[3]，[4]，[5]，[8]的成功，物体检测的性能得...

原创 tensorflow api接口、写入和读取

原创 session 、 tensor、feed

原创 graph

Graph保存和恢复

原创 2.15Python中的广播

import numpy as npA = np.array([[56.0,0.0,4.4,68.0],[1.2,104.0,52.0,8.0],[1.8,135.0,99.0,0.9]])print(A)cal = A.sum(axis=0) //竖直方向为0，水平为1print(cal)percentage = 100*A/cal.reshape(1,4)print(pe...

原创 2.11向量化与非向量化的时间比较

代码：import timeimport numpy as npa = np.random.rand(1000000)b = np.random.rand(1000000)tic = time.time() //当前时间c = np.dot(a,b)toc = time.time()print©print(“Vactorized version:” + str(1000*(...