pytorch基础教程
摘要：
1.pytorch基础教程 1.pytorch基础教程 pytorch-handbook：https://github.com/zergtant/pytorch-handbook pytorch-tutorial(by example)：https://github.com/YoungminBae 阅读全文
posted @ 2019-09-10 06:20 一粒蜗牛 阅读(198) 评论(0) 推荐(0)
python零碎知识点
摘要：
1.argparse 2.replace 1.argparse argparse tutorial地址：https://docs.python.org/3/howto/argparse.html#introducing-positional-arguments 2.replace replace() 阅读全文
posted @ 2019-09-09 21:28 一粒蜗牛 阅读(119) 评论(0) 推荐(0)
剑指offer(python)（未完）
摘要：
尽量不用python特有的能够一步到位的函数，答案均已在牛客网中提交通过。 1.数组：二维数组中的查找 2.字符串：替换空格 3.链表：从尾到头打印链表 4.树：重建二叉树 5.栈和队列：用两个栈实现队列 6.查找和排序：旋转数组的最小数字 7.递归和循环：斐波那契数列 8.递归和循环：跳台阶 9. 阅读全文
posted @ 2019-06-11 12:43 一粒蜗牛 阅读(362) 评论(0) 推荐(0)
《python语言及其应用》—读书笔记
摘要：
想对python进行一次梳理，于是读《Python语言及其应用》部分章节，并记录于此。 目录： 1 Python初探 2 Python基本元素：数字、字符串和变量 2.1 变量、名字和对象 2.2 数字 2.3 字符串 3 Python容器：列表、元祖、字典与集合 3.1 列表和元祖 3.2 列表 阅读全文
posted @ 2019-06-11 00:06 一粒蜗牛 阅读(660) 评论(0) 推荐(0)
Mask R-CNN 论文笔记
摘要：
论文地址：https://arxiv.org/abs/1703.06870 Mask R-CNN在一个网络中同时实现了目标检测和实例分割，其结构可由Faster R-CNN扩展得到。 图1 Mask R-CNN网络结构 我们可以将其分为四个部分： 1. ConvNet。将输入图片经过ResNet网络 阅读全文
posted @ 2019-06-10 01:55 一粒蜗牛 阅读(323) 评论(0) 推荐(0)
FPN 论文笔记
摘要：
论文地址：https://arxiv.org/abs/1612.03144 高分辨率的低层特征图虽然有更多细节信息，但是缺少语义信息；低分辨率的高层特征图含有丰富的语义信息，但对小目标的检测效果又较差。FPN通过在原来Botteom-up进行改造，得到既包含细节信息又有丰富的语义信息的特征图，能够有 阅读全文
posted @ 2019-06-09 13:59 一粒蜗牛 阅读(352) 评论(0) 推荐(0)
Faster R-CNN 论文笔记
摘要：
论文地址：https://arxiv.org/abs/1506.01497 Fast R-CNN提出后，降低目标检测时间的主要瓶颈就来到了待选区域的计算上，于是诞生了Faster R-CNN。作者提出了一种新的网络结构，即RPN，其作用为通过一系列卷积网络来得到待选区域，因此Faster R-CNN 阅读全文
posted @ 2019-06-07 01:39 一粒蜗牛 阅读(237) 评论(0) 推荐(0)
Fast R-CNN 论文笔记
摘要：
论文地址：https://arxiv.org/abs/1504.08083 Fast R-CNN诞生于R-CNN的基础上，其网络结构如下： 图1 Fast R-CNN基本结构（来自原论文） 依上图Fast R-CNN基本结构，Fast R-CNN可以分为3个部分： 1. Conv layers。不同 阅读全文
posted @ 2019-06-05 00:46 一粒蜗牛 阅读(298) 评论(0) 推荐(0)
《TensorFlow实战》—读书笔记
摘要：
我主要用pytorch，但是导师和师兄都用TensorFlow，并且许多论文也是用TensorFlow来复现，出于交流和学习需要看了《TensorFlow实战》的部分章节，以对TensorFlow有基础的认识，记录于此。 目录： 1 TensorFlow基础 1.1 TensorFlow概要 1.2 阅读全文
posted @ 2019-06-02 19:44 一粒蜗牛 阅读(858) 评论(0) 推荐(0)
浙公网安备 33010602011771号