已注销

分类

C语言实现基本的数据结构与算法(7) java(1) laravel(1) LeetCode(1) lumen(2) NLP(1) object detection(1) PAT(54) POJ(1) 动态规划(7) 并查集(1) 推荐系统(1) 操作系统(3) 未归档(3) 机器学习(3) 比赛(1) 目标检测(12) 算法学习(35)

/ 注册

全部文章（共135篇）

Attentional Factorization Machines（AFM）——论文阅读笔记

引言 FM算法通过引入特征交叉和矩阵分解思想使得模型能够针对二维以上的数据进行归纳，最终的结果会受到各交叉项的影响，然而这样是不合理的，并非所有的交叉项都有内部联系。本文通过引入Attention机制，在每个交叉项前面加上一个注意力权重，权重由模型训练一步步优化，有利于忽略不合理的交叉项，提升模型精...

NLP 算法学习

2019-12-05

0 1078

入坑NLP一——Skip-Gram 模型理解

1 首先介绍一下one-hot编码:) 举个栗子， “he is a sunshine boy", 我们想把这句话中的每一个单词都用向量表示，一共5个单词，我们就用5-dim的向量来表示。 he => (1,0,0,0,0) is =>(0,1,0,0,0) … boy =&...

NLP

2019-11-18

0 829

博客园账号（主要是CV方向的paper阅读笔记）

https://www.cnblogs.com/xin1998/

2019-08-23

0 550

目标检测论文解读13——FPN

引言　　对于小目标通常需要用到多尺度检测，作者提出的FPN是一种快速且效果好的多尺度检测方法。方法　　　　a,b,c是之前的方法，其中a,c用到了多尺度检测的思想，但他们都存在明显的缺点。　　a方法：把每图片都进行缩放，在进行检测，这种做法最大的问题是太慢，因为要多花好几倍的时间...

2019-08-23

0 665

目标检测论文解读12——RetinaNet

引言　　这篇论文深刻分析了one-stage的模型精度比two-stage更差的原因，并提出Focal Loss提高精度。思路　　在论文中，作者指出，造成one-stage模型精度差的原因主要是：正负样本极不平衡。一张图片只有那么几个目标，但是用来分类的Anchor Box却能达到几千个...

2019-08-22

0 480

目标检测论文解读11——Mask R-CNN

目的　　让Faster R-CNN能做实例分割的任务。方法　　模型的结构图如下。　　　　与Faster R-CNN相比，主要有两点变化。　　(1) 用RoI Align替代RoI Pool。　　首先回顾一下RoI Pool，流程为：将RPN产生的原图侯选框映射到CNNs输...

2019-08-22

0 470

目标检测论文解读10——DSSD

背景　　SSD算法在检测小目标时精度并不高，本文是在在SSD的基础上做出一些改进，引入卷积层，能综合上下文信息，提高模型性能。理解　　　　Q1：DSSD和SSD的区别有哪些？　　(1)SSD是一层一层下采样，然后分别在这些feature map上进行预测；而DSSD则是在后面加入...

2019-08-21

0 586

目标检测论文解读9——R-FCN

背景　　基于ResNet 101的Faster RCNN速度很慢，本文通过提出Position-sensitive score maps(位置敏感分值图)来给模型加速。方法　　首先分析一下，为什么基于ResNet 101的Faster R-CNN很慢？　　其实主要的原因是ROI ...

2019-08-20

0 660

目标检测论文解读8——YOLO v3

背景　　要在YOLO v2上作出改进。方法　　(1)分类器改变。从softmax loss改变为logistic loss，作用是处理符合标签，softmax loss只能用来预测只有一种类别的目标，logistic loss可以是多种类别。　　(2)引入多级预测机制。在三种尺度的特...

2019-08-20

0 451

目标检测论文解读7——YOLO v2

背景　　YOLO v1检测效果不好，且无法应用于检测密集物体。方法　　YOLO v2是在YOLO v1的基础上，做出如下改进。　　(1)引入很火的Batch Normalization，提高mAP和训练速度；　　(2)加入了Anchor Box机制，每个grid cell5个An...

2019-08-20

0 524