有梦就要去实现他

2018年8月23日

摘要：过程： 1. 彩色图像转换为灰度图像彩色转灰度图公式： gray = R * 0.299 + G * 0.587 + B * 0.114 2. 对图像进行高斯模糊 3. 计算图像梯度，根据梯度计算图像边缘幅值与角度（这里其实用到了微分边缘检测算子来计算梯度幅值方向）求每个点x，y两个方向的梯度，阅读全文

posted @ 2018-08-23 23:56 有梦就要去实现他阅读(791) 评论(0) 推荐(0)

样本不均衡问题

摘要： 1.过采样，多次训练小数量的类别或者把小类别造数据，比如一些数据增强的方式 2.降采样，多的类别只选部分来寻来呢 3.每个batch里面类别尽量均衡 4.在loss里面加权重 5.ohem，因为可能类别比较多，训练网络久了，也许loss就小了 6.分治ensemble将大类中样本聚类到L个聚类中，然阅读全文

posted @ 2018-08-23 22:36 有梦就要去实现他阅读(209) 评论(0) 推荐(0)

l1 l2 loss

摘要：衡量预测值与真实值的偏差程度的最常见的loss：误差的L1范数和L2范数因为L1范数在误差接近0的时候不平滑，所以比较少用到这个范数 L2范数的缺点是当存在离群点（outliers)的时候，这些点会占loss的主要组成部分。比如说真实值为1，预测10次，有一次预测值为1000，其余次的预测值为1 阅读全文

posted @ 2018-08-23 21:39 有梦就要去实现他阅读(287) 评论(0) 推荐(0)

2018年8月22日

c++ 基础用法、基础知识以及一些常规的操作

摘要： 1.二叉平衡树：左子树和右子树的深度差小于等于1 2.二叉搜索树：左子树小于根节点的值，右子树大于根结点的值 3.队列：push()，pop(),front(),back(),empty(),size() 4.vecotr： clear(),push_back(),pop_back() vector 阅读全文

posted @ 2018-08-22 21:01 有梦就要去实现他阅读(422) 评论(0) 推荐(0)

剑指offer13 在O(1)时间删除链表的结点

摘要：把下一个节点的值直接赋值给要删除的节点，然后删除下一个节点。当这样做会有两个bad case：被删除的链表结点的下一个结点为空指针，如果链表只有一个结点。其实链表只有一个结点应该属于下一个结点为空指针的大类，但处理方式不同。整个方案就是下一个结点是否是空指针阅读全文

posted @ 2018-08-22 19:54 有梦就要去实现他阅读(126) 评论(0) 推荐(0)

剑指offer 14 调整数组顺序使奇数位于偶数前面

摘要：牛客网上的题目还有一个额外的要求，就是不改变数组原始的前后数据，这种可以用队列来存储，或者把前后比较变为相邻的元素比较。这个题目，主要要考察扩展性，用func函数就实现了扩展性。只需要改func函数，就可以实现负数移动到非负数前面，被3整除的数移到不能被3整除的数的前面这个题主要是将数组前后进行阅读全文

posted @ 2018-08-22 19:31 有梦就要去实现他阅读(99) 评论(0) 推荐(0)

面经

摘要： 1.阿里一面全程问项目，但个人感觉我对项目的熟悉程度和我的点并不够熟悉 2.阿里二面：1.梯度消失、梯度爆炸的解决办法 2.yolo1、2、3的演进 3.开放题：激光雷达怎么做检测 3点 4.机器人行走的一道动态规划阅读全文

posted @ 2018-08-22 15:33 有梦就要去实现他阅读(222) 评论(0) 推荐(0)

2018年8月20日

focal loss和ohem

摘要：公式推导：https://github.com/zimenglan-sysu-512/paper-note/blob/master/focal_loss.pdf 使用的代码：https://github.com/zimenglan-sysu-512/Focal-Loss 在onestage的网络中，阅读全文

posted @ 2018-08-20 22:50 有梦就要去实现他阅读(15327) 评论(0) 推荐(0)

卡尔曼滤波

摘要：很好的一个讲解卡尔曼滤波的文章：https://zhuanlan.zhihu.com/p/39912633 1.实践前提是这些数据满足高斯分布。 2.理论前提是一个高斯斑乘以另一个高斯斑可以得到第三个高斯斑，第三个高斯斑即为提取到相对精确的数据范围。观测也有误差，所以需要将预测和观测相结合将预测阅读全文

posted @ 2018-08-20 20:03 有梦就要去实现他阅读(589) 评论(0) 推荐(0)

yolo2 anchor选择校招总结

摘要：使用kmeans的聚类算法选择数据集最可能的anchor size和ratio。K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。 kmeans缺点：kmeans中k代表k个种子点或者聚类中心，这个值必须先选定。kmeans对初始阅读全文

posted @ 2018-08-20 16:41 有梦就要去实现他阅读(381) 评论(0) 推荐(0)

公告