SSD在v5出来之前还是有些地方用的，在v5出来之后多半就命途多舛了。 abs有一部分没看懂，直接去看了一部分conclusion，应该是利用多尺度特征图检测，感觉就是多个conv层的输出都做bbox reg和class scores。这样感觉的话较大的特征图检测小目标的话还是很有优势的，小的特征图检测大的目标就比较舒服了，23333. how it works intro提到的检测速...

abs里面很明确的之处了Region Proposals是瓶颈，于是他们在这次的文章中使用一个RPNet来做区域的建议，和CNN共享了完整的图像卷积特征，这里共享卷积特征的机制，RPN告诉网络去哪里找目标（通俗的讲就是注意力机制）。然后这个检测速度又快了不少，5fps把，具体是什么GPU没看。 其实Fast-RCNN不用SS，多想点别的路子考虑怎么做Region Proposal就不至于有...

abs里面直接稳准狠的告诉你，文章用了一些创新的技术，让训练和测试都更快了，而且也更准了。 本文的主要贡献就是提出了一种优化RCNN的思路，不用对ss找到的2000多个区域进行CNN，而是进行一次CNN，之后通过一个ROI池化层将所有的感兴趣区域修正到合适的size，然后输入到FC中。 how it works 简单的说其实就是之前RCNN的优化，主要就是4步： input i...

目标检测，深度学习方向的开山之作。mAP在VOC2012上比之前的SOTA提升了30%，达到了53.3%。 文章开篇的abs提及本文的主要贡献就是两点告诉我们两件事， 一个很深的神经网络可以用于自底向上的区域选择，方便定位和分割（好像是废话） 微调迁移是有用的 how it works 不同于之前的滑窗，本文只在可能出现目标的区域采用CNN做定位，然后判断具体的物体类别 ...

多重背包的朴素解dp[i][j]，借鉴01背包的优化思路不难想到一个将其优化成一维的解法 #include <iostream> #include <algorithm> //多重背包问题，同一个重量和value的物品有n件 //所以朴素的解法和完全背包是很类似的 using namespace std; const int N = 110; int dp...

正常DFS然后random pick的话，经历一个全排列，是一个O(n!)的解法，基本不可能使用。 这里依托概率问题能够生成一个伪随机打乱的数列，可以看做完美洗牌。 void KnuthShuffle(vector<int> &nums){ int n = nums.size(); random_device r; std::mt19937 g...

leetcode-371题，两整数之和，如果用python做的话是一道理解原反补问题的绝佳例子，py的int还是64位，难度反而更大了。首先放代码 MASK = 4294967296 #2 ** 32 MAXINT = 2147483647 #2 ** 31 - 1 MININT = 2147483648 # 2 ** 31 T32 = 4294967295 #2 ** 32 - 1 #...

逗号运算符 使用逗号运算符是为了把几个表达式放在一起。整个逗号表达式的值为系列中最后一个表达式的值。从本质上讲，逗号的作用是将一系列运算按顺序执行。 表达式1, 表达式2 求解过程是：先求解表达式 1，再求解表达式 2。整个逗号表达式的值是表达式 2 的值。 最右边的那个表达式的值将作为整个逗号表达式的值，其他表达式的值会被丢弃。 var = (count=19, incr=10...

今天周赛补题的时候看到最后一道题有一个非常pythonic的解法，用到了迭代器判断子序列问题。 再一次感受到py做字符串题目的方便，迭代器的消耗这次彻底搞明白了。 from collections import Counter from itertools import permutations ''' 非常pythonic的code 统计单词的频率，如果一个单词出现了freq次，那么...

今天看到了一个比较神奇的宏定义，关于字节对齐的,转换成比较能理解的语言就如下了。 #include <iostream> using namespace std; // x 对 a 对齐，先 + ，之后利用低位取0 int align(int x,int a){ int add = (x + a - 1); // 类似于ceiling的操作，(x + a - 1)...