乐胖代购免代理版

动态规划 | 最长上升子序列长度

题目：300.最长上升子序列描述：给定一个无序的整数数组，找到其中最长上升子序列的长度。示例：输入: [10,9,2,5,3,7,101,18]

动态规划

python

算法

子序列

数组

原创 2023-06-25 10:51:38 151 阅读

【论文】单目深度估计：Unsupervised Monocular Depth Estimation with Left-Right Consistency

Unsupervised Monocular Depth Estimation with Left-Right Consistency #摘要不像之前的有监督的方法一样，利用深度图作为标签（GT），本文的方法用容易得到的双目图来训练。利用epipolar geometry constraints。我们通过训练我们的网络来产生视差图像，使其具有图像重建的损失。结果表明，仅对图像重建进行求解就会导致

论文翻译

数据集

深度图

像素点

图像重建

原创 2021-09-15 14:07:03 615 阅读

弧度与度

角所对的弧长是半径的几倍，那么角的大小就是几弧度。它们的关系可用下式表示和计算：角（弧度）＝弧长/半径圆的周长是半径的 2π倍，所以一个周角（360度）是 2π弧度。

数学函数

转载 2021-09-14 15:37:51 2140 阅读

文件操作

随笔- 161 文章- 0 评论- 35 C语言文件操作详解C语言中没有输入输出语句，所有的输入输出功能都用 ANSI C提供的一组标准库函数来实现。文件操作标准库函数有：　　　　文件的打开操作 fopen 打开一个文件　　　　文件的关闭操作 fclose 关闭一个文件　　　　文件的读写操作 fgetc 从文件

文件指针

字符串

参数说明

数据

#include

转载 2021-09-10 17:21:15 174 阅读

【深度学习】：【结果衡量指标】召回率（Recall），精确率（Precision），F度量（F-measure），Map，ROC，AUC

精确率（Precision），又称为“查准率”。召回率（Recall），又称为“查全率”。召回率和精确率是广泛用于信息检索和统计学分类领域的两个度量值，用来评价结果的质量。其中召回率是是检索出的相关文档数和文档库中所有的相关文档数的比率，衡量的是检索系统的查全率。精确率是检索出的相关文档数与检索出的文档总数的比率，衡量的是检索系统的查准率。如以下公式所示：召回率(Re...

人工智能

评价指标

召回率

.net

正例

原创 2021-09-10 17:19:37 9276 阅读

【论文】人脸特征点检测：TCDCN

Learning and Transferring Multi-task Deep Representation for Face Alignment摘要通过多任务学习提升检测鲁棒性。特别的，使用与人脸相关的属性共同学习人脸的特征点位置。 tasks-constrained deep model：解决不同的任务有不同特点这个问题 task-wise early stopping cr...

人脸关键点检测

辅助任务

多任务

.net

迭代

原创 2021-08-31 10:27:48 283 阅读

【C++】：引用

引用就是对象的另一个名字，实际应用中引用主要用作函数的形式参数。//正确int ival = 1024;int &refcal = ival;//错误int &refval; //错误原因：引用在定义的时候必须初始化int &refval = 10;//错误原

初始化

拷贝构造

构造函数

#include

i++

原创 2021-08-30 16:16:30 379 阅读

【深度学习】：代价函数的选择

二次代价函数：如上图所示的A点假设我们的目标是0，那么B点离目标比较远，但是由于梯度比较小所以更新速度很慢，这种情况不和逻辑很不好，这就是二次代价函数的缺点。交叉熵代价函数：对数似然函数：...

deeplearning

代价函数

似然函数

原创 2021-08-30 09:54:13 577 阅读

基于多尺度卷积神经网络框架结合语义标签和surface normals以及深度预测

本文提出的方法可以在没有在超像素以及低维度的分割的情况下提取图像细节，直接产生一个像素map。模型框架框架主要继承于论文基于多尺度深度网络的单幅图像深度估计。首先我们的模型变得更深了（有了更多的卷积层）。其次，网络添加了第三个等级，将最终的输出分辨率提高到原图的一半（原来是1/4）。最后我们对于前两个等级的输出不固定，从一开始就统一训练三个层级，一起调整参数。一：层1 . 全局图像这一层提取全局特征

神经网络

标签

网络

损失函数

深度网络

原创 2021-08-26 14:18:57 398 阅读

Python——随机森林

随机森林讲解文档（scikit-learn官方文档） scikit-learn的官方文档：http://scikit-learn.org/stable/modules/ensemble.html#forests-of-randomized-trees　　主要告诉大家如何使用scikit-learn包中的类方法来进行随机森林算法的预测。其中讲的比较...

python

机器学习

随机森林

决策树

数据

原创 2021-08-26 14:18:55 1738 阅读 1评论

NYU-Depth数据集

数据集包含以下几个部分：有标签的：视频数据的一个子集，伴随着密集多标签。此数据也已经被预处理，以填补缺少的深度标签。原始数据集：利用Kinect测得的原始的RGB、Depth、加速度数据。工具箱：用于操作数据和标签的有用的工具。用于评估的训练和测试部分。有标签的数据集有标签的数据集是原始数据集的子集。它是由成对的RGB和深度帧同步组成的，并且每个图像都有多个标签。除了加上标签的深度地图之外

数据集

深度图

预处理

h5

数据

原创 2021-08-26 14:18:53 1865 阅读

Python机器学习算法——决策树

决策树简介决策树是常见的机器学习算法之一。主要用于分类和回归。是一种非参数的监督式学习方法。决策树中的几个词：属性、特征、属性选择度量、属性特征的拓扑结构、分裂属性特征。

python

机器学习

算法

d3

信息增益

原创 2021-08-26 14:18:51 541 阅读

【论文】【LapSRN】Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution

模型框架图（其中一级）若S是我们的放大因子，那么我们在log2S层，渐进的预测残差图。模型主要有两部分：特征提取，图像重构特征提取图像重构对于每一级而言（s层），对输入图像用一个scale等于2的一个上采样层进行操作。然后这个上采样层将和当前层的特征提取分支预测得到的residual图进行相加（利用element-wise summation）。并将相加得到的HR图像输入到下一...

超分辨率

深度学习

特征提取

损失函数

分支预测

原创 2021-08-26 14:18:49 513 阅读

【数据结构与算法】树（二）：二叉树

二叉树的特点每个结点最多有两颗子树，所以二叉树的度最大就是2.左子树和右子树是由顺序的，不能够颠倒，即使树中只有一颗子树，也是要区分它是左子树还是右子树的。特殊二叉树1.满二叉树在一颗二叉树中，所有的分支结点都存在左子树和右子树，而且所有的叶子结点都在同一层的树，叫做满二叉树。特点：叶子结点智能出现在最下面一层。非叶子结点的度一定是2.2.完全二叉树对一颗含有n个...

数据结构算法

二叉树

结点

子树

前序遍历

原创 2021-08-26 14:18:47 223 阅读

【数据结构算法】KMP算法（字符串匹配算法）

BF算法（Brute Force）朴素的字符串模式匹配算法，核心思想是：有两个字符串S和T，长度为N和M。首先S[1]和T[1]比较，若相等，则再比较S[2]和T[2]，一直匹配到T[M]为止，若S[1]和T[1]不相等，则T向右移动一个字符的位置，再依次进行比较。 KMP算法由于上述BF算法的匹配方式效率不高，所以提出了KMP算法。核心思想：提出了next矩阵，用来存储...

数据结构与算法

KMP算法

模式匹配

kmp算法

i++

原创 2021-08-26 14:18:45 373 阅读

【深度学习】：回归 & 分类任务的Loss函数分析

L1 &amp;amp;amp; L2 loss代码import tensorflow as tfimport matplotlib.pyplot as pltsess = tf.Session()x_val = tf.linspace(-1.,-1.,500)target = tf.constant(0.)#计算L2_lossl2_y_val = tf.square(target - ...

损失函数

2d

目标集

中位数

tensorflow

原创 2021-08-26 14:18:43 1345 阅读

【tensorflow】基础二：tensorflow分类实现

1.tensorflow重置计算图from tensorflow.python.framework import opsops.reset_default_graph()sess = tf.Session() #创建计算图会话2.tensorflow扩展张量维度tf.expend_dim()3.tensorflow随机单样本训练和批量训练# 用np生成x_vals和y_va...

tensorflow

占位符

数据集

批处理

2d

原创 2021-08-26 14:18:41 348 阅读

【Caffe】：制作自己数据集的Lmdb文件&均值文件计算

1.数据准备数据文件：如下图所示，behavior_dataset文件夹里面放的是训练和测试的图片，二级目录如图2所示，这个一级和二级目录的格式并不是定死的，是可以灵活放置的，其关键点在于要能够这两级目录的放置和train.txt,test.txt中的内容结合起来能够找到图片所在位置并读入。 train.txt &amp; test.txt文件：这两个文件的格式如下图所示，当然具...

caffe

lmdb

python

数据

批处理文件

原创 2021-08-26 14:18:39 810 阅读

【tensorflow】自定义op

tensorflow 自定义 op 可能需要新定义 c++ operation 的几种情况：现有的 operation 组合不出来你想要的 op 现有的 operation 组合出来的 operation 十分低效如果你想要手动融合一些操作。为了实现你的自定义操作，你需要做一下几件事：在 c++ 文件中注册一个新op： Op registration 定义了 op 的功能接口，它和 o

tensorflow

python

c++

g++

#include

转载 2021-08-26 14:14:15 987 阅读

【tensorflow】Graph对象、Session对象、占位符

...

数据流图

tensorflow

占位符

句柄

加载

转载 2021-08-26 14:13:48 184 阅读

基于多尺度深度网络的单幅图像深度估计

基于多尺度深度网络的单幅图像深度估计作者：hjimce 一、相关理论本篇博文主要讲解来自2014年NIPS上的一篇paper：《Depth Map Prediction from a Single Image using a Multi-Scale Deep Network》，属于CNN应用类别的文章,主要是利用卷积神经网络进行单幅图像的深度估计。我们拍照的时候，把三维的图形，投影到二维的平面

数据

像素点

卷积

损失函数

池化

转载 2021-08-26 14:10:42 757 阅读

理解RNNs —— 长短记忆网络（LSTMS）

递归神经网络人类并不是每时每刻都从头开始思考。正如你阅读这篇文章的时候，你是在理解前面词语的基础上来理解每个词。你不会丢弃所有已知的信息而从头开始思考。你的思想具有持续性。传统的神经网络不能做到这点，而且这似乎也是它的主要缺陷。比如，你想对电影中每个点发生的事件类型进行分类。目前还不清楚传统神经网络如何利用之前事件的推理来得出后来事件。递归神经网络能够解决这一问题。这些网络中具有循环结构，

机器学习

neural_network

LSTM

RNNs

神经网络

转载 2021-08-26 14:09:23 337 阅读

PYthon——plt.scatter各参数详解

最近开始学习Python编程，遇到scatter函数，感觉里面的参数不知道什么意思于是查资料,最后总结如下： 1、scatter函数原型 2、其中散点的形状参数marker如下： 3、其中颜色参数c如下: 4、基本的使用方法如下： [python] view plain copy #导入必要的模块 import numpy as np import matplotlib.pypl

python

机器学习

编程语言

scatter

散点图

转载 2021-08-26 14:08:13 1379 阅读

物体检测中常用的几个概念迁移学习、IOU、NMS理解

1、迁移学习迁移学习也即所谓的有监督预训练(Supervised pre-training)，我们通常把它称之为迁移学习。比如你已经有一大堆标注好的人脸年龄分类的图片数据，训练了一个CNN，用于人脸的年龄识别。然后当你遇到新的项目任务是：人脸性别识别，那么这个时候你可以利用已经训练好的年龄识别CNN模型，去掉最后一层，...

数据

迁移学习

物体检测

初始化

数据库

转载 2021-08-26 14:02:32 164 阅读

【tensorflow控制流】tf.control_dependencies()作用及用法

在有些机器学习程序中我们想要指定某些操作执行的依赖关系，这时我们可以使用tf.control_dependencies()来实现。 control_dependencies(control_inputs)返回一个控制依赖的上下文管理器，使用with关键字可以让在这个上下文环境中的操作都在control_inputs 执行...

控制依赖

依赖关系

机器学习

嵌套

ide

转载 2021-08-26 14:02:30 914 阅读

dos 下几个有用的命令

DIR [drive:][path][filename] [/A[[:]attributes]] [/B] [/C] [/D] [/L] [/N [/O[[:]sortorder]] [/P] [/Q] [/S] [/T[[:]timefield]] [/W] [/X] [/4] [drive:][path][filename] 指定要列出的驱动器、目录和/或文件。 /A 显示具有指定属性的文...

分隔符

文件大小

读文件

文件名

扩展名

转载 2021-08-26 14:02:28 110 阅读

【darknet源码】添加一个自己的层（大体思路）

src中新建mylayer.c和mylayer.h，在makefile里OBJ添加mylayer.odarknet.h里LAYER_TYPE添加MYLAYERparser.c中 [这个函数就用来解析cfg中[convolutional]这种] include “mylayer.h”, st...

技术

转载 2021-08-26 14:02:27 210 阅读

【caffe】caffe中solver.prototxt参数说明

solver算是caffe的核心的核心，它协调着整个模型的运作。caffe程序运行必带的一个参数就是solver配置文件。运行代码一般为 # caffe train --solver=*_slover.prototxt 在Deep Learning中，往往loss function是非凸的，没有解析解，我们需要通过优化方法来求解。solver的主要作用就是交替调用前向（forward)算法

迭代

数据

配置文件

权重

f5

转载 2021-08-26 13:57:02 352 阅读

【分类】在分类中如何处理训练集中不平衡问题

在分类中如何处理训练集中不平衡问题在很多机器学习任务中，训练集中可能会存在某个或某些类别下的样本数远大于另一些类别下的样本数目。即类别不平衡，为了使得学习达到更好的效果，因此需要解决该类别不平衡问题。 Jason Brownlee 的回复：原文标题：8 Tactics to Combat Imbalanced Classes in Your Machine Learning Da

数据

数据集

评价指标

二分类

样本集

转载 2021-08-26 13:56:53 3042 阅读

【FPN】论文解读

论文概述：作者提出的多尺度的object detection算法：FPN（feature pyramid networks）。原来多数的object detection算法都是只采用顶层特征做预测，但我们知道低层的特征语义信息比较少，但是目标位置准确；高层的特征语义信息比较丰富，但是目标位置比较粗略。另外虽然也有些算法采用多尺度特征融合的方式，但是一般是采用融合后的特征做预测，而本

自底向上

卷积

自顶向下

语义信息

卷积核

转载 2021-08-26 13:56:39 523 阅读 1点赞

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯

51CTO博客

MC6880000057HKD的博客

动态规划 | 最长上升子序列长度

【论文】单目深度估计：Unsupervised Monocular Depth Estimation with Left-Right Consistency

弧度与度

文件操作

【深度学习】：【结果衡量指标】召回率（Recall），精确率（Precision），F度量（F-measure），Map，ROC，AUC

【论文】人脸特征点检测：TCDCN

【C++】：引用

【深度学习】：代价函数的选择

基于多尺度卷积神经网络框架结合语义标签和surface normals以及深度预测

Python——随机森林

NYU-Depth数据集

Python机器学习算法——决策树

【论文】【LapSRN】Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution

【数据结构与算法】树（二）：二叉树

【数据结构算法】KMP算法（字符串匹配算法）

【深度学习】：回归 & 分类任务的Loss函数分析

【tensorflow】基础二：tensorflow分类实现

【Caffe】：制作自己数据集的Lmdb文件&均值文件计算

【tensorflow】自定义op

【tensorflow】Graph对象、Session对象、占位符

基于多尺度深度网络的单幅图像深度估计

理解RNNs —— 长短记忆网络（LSTMS）

PYthon——plt.scatter各参数详解

物体检测中常用的几个概念迁移学习、IOU、NMS理解

【tensorflow控制流】tf.control_dependencies()作用及用法

dos 下几个有用的命令

【darknet源码】添加一个自己的层（大体思路）

【caffe】caffe中solver.prototxt参数说明

【分类】在分类中如何处理训练集中不平衡问题

【FPN】论文解读

欢迎