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）

目标检测论文解读6——SSD

背景　　R-CNN系列算法检测速度不够快，YOLO v1检测准确率较低，而且无法检测到密集目标。方法　　SSD算法跟YOLO类似，都属于one stage的算法，即通过回归算法直接从原图得到预测结果，为了解决YOLO v1检测效果一般的问题，SSD提出了多尺度检测的方法以及在不同尺度上特...

2019-08-19

0 612

目标检测论文解读5——YOLO v1

背景　　之前热门的目标检测方法都是two stage的，即分为region proposal和classification两个阶段，本文是对one stage方法的初次探索。方法　　　　　　首先看一下模型的网络结构，输入的原图片，经过24个卷积层提取特征，全连接层输出一个7*7*30...

2019-08-19

0 450

目标检测论文解读4——Faster R-CNN

背景　　Fast R-CNN中的region proposal阶段所采用的SS算法成为了检测网络的速度瓶颈，本文是在Fast R-CNN基础上采用RPN(Region Proposal Networks)代替SS。方法　　　　从图中我们可以看到，RPN的输入为最后一个Conv层输出的...

2019-08-19

0 483

目标检测论文解读3——Fast R-CNN

背景　　deep ConvNet兴起，VGG16应用在图像分类任务上表现良好，本文用VGG16来解决检测任务。SPP NET存在CNN层不能fine tuning的缺点，且之前的方法训练都是分为多个阶段，特征提取+SVM分类+边框回归，这些问题在Fast R-CNN上都得到了解决。方法　...

2019-08-18

0 545

目标检测论文解读2——Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition

背景　　用ConvNet方法解决图像分类、检测问题成为热潮，但这些方法都需要先把图片resize到固定的w*h，再丢进网络里，图片经过resize可能会丢失一些信息。论文作者发明了SPP pooling(空间金字塔池化)层，让网络可以接受任意size的输入。并且用在目标检测任务上，可以只计算一次...

2019-08-18

0 392

目标检测论文解读1——Rich feature hierarchies for accurate object detection and semantic segmentation

背景　　在2012 Imagenet LSVRC比赛中，Alexnet以15.3%的top-5 错误率轻松拔得头筹（第二名top-5错误率为26.2%）。由此，ConvNet的潜力受到广泛认可，一炮而红。既然convNet在图像分类任务上能取得好成绩，是不是也能放到目标检测任务上呢。本文就是用c...

2019-08-18

0 398

RCNN、SPP-net、Fast-RCNN算法比较

前言最近在阅读目标检测方向的论文，遇到了很多困惑，尤其是Fast-RCNN算法里面一些细节，一直弄不明白，不禁发出感叹：都是认识的字，怎么放一起就看不懂了呢？所幸刚刚弄明白了，特做个梳理加深记忆。一、RCNN 流程一堆图片，对每一张图片都用Selective Search(选择性搜索）...

2019-05-19

0 509

《统计学习方法》学习笔记——感知机数学推导

1.什么是感知机感知机是二类分类的线性模型。 2.核心思想找一个超平面，把正例和负例分开。我们可以用来表示这个超平面。（w=(x1,x2,x3,…)为法向量，决定了超平面的方向；b为截距，决定了超平面与原点的距离）我们把决策函数定义为：当wx+b>=0时，f(x)=+...

2019-04-04

0 464

对支持向量机的数学推导（个人理解的内容）

支持向量机可谓是机器学习道路上的第一个拦路虎，不仅证明复杂，而且很多入门资源也并不适合新手，本人足足花了半个多月的时间，才对整体的数学推导有了一些掌握，写个博客，加深记忆。文章有什么不好理解的请提交评论。提前说明下面的截的图里w（带T上标的）跟正文中的w都表示法向量。 1. 什么是支持向量...

2019-03-27

0 569

CSU - 1335 高桥和低桥

有个脑筋急转弯是这样的：有距离很近的一高一低两座桥，两次洪水之后高桥被淹了两次，低桥却只被淹了一次，为什么？答案是：因为低桥太低了，第一次洪水退去之后水位依然在低桥之上，所以不算“淹了两次”。举例说明：假定高桥和低桥的高度分别是5和2，初始水位为1 第一次洪水：水位提高到6（两个桥都被淹），退...

2019-03-14

0 491