01 2019 档案
摘要：1、SSH单阶人脸段检测器，在不同层检测不同scale的人脸，而不是使用mtcnn中金字塔的方式，从而实现加速。 2、SSH的整体结构，3个module的stride分别为8,16,32，使用不同的感受野，从而实现多尺度；三个Module独立训练、检测， 最终结果NMS。 3、检测模块和上下文模块。
阅读全文
摘要：numpy.repeat(a, repeats, axis=None) tile函数功能：对整个数组进行复制拼接
阅读全文
摘要：一、高效网络简介 图片来自https://zhuanlan.zhihu.com/p/53175018，高效网络的高效，直接的衡量目标是速度。 二、高效网络一览 CNN设计一般都是通过堆block的形式，下面只讨论每个模型的block 1、Mobilenet 首次使用了分离卷积(dw+pw，加速的核心
阅读全文
摘要：一、高效的训练 1、Large-batch training 使用大的batch size可能会减小训练过程（收敛的慢？我之前训练的时候挺喜欢用较大的batch size），即在相同的迭代次数下， 相较于使用小的batch size，使用较大的batch size会导致在验证集上精度下降。文中介绍了
阅读全文
摘要：ECCV2018 论文：Receptive Field Block Net for Accurate and Fast Object Detection 论文链接：https://arxiv.org/abs/1711.07767 代码链接：https://github.com/ruinmessi/R
阅读全文
摘要：Deformable conv赋予了CNN位置变换的能力，与普通卷积的对比如下。可以看到，在每个特征点上，会产生一个偏移，变成 不规则的卷积（感觉本质上，就是让CNN自己去学习感受野）。 思想来源于STN（Spatial Transform Network），但它们有着巨大的差别： STN得到的是全
阅读全文
摘要：经常遇到meshgrid，一段时间不用就忘记了，记录之 meshgrid用于生成网格点的坐标矩阵（参考https://blog.csdn.net/lllxxq141592654/article/details/81532855） 例如： x = np.array([0, 1]) y = np.arr
阅读全文
摘要：由于需求的变化，需要创建对象的具体类型也需要变化，通过new来创建对象会导致紧耦合，通过工厂方法，可以避免这种紧耦合。 1、问题 多个类型的文件分割器，在new的时候依赖具体类型，该如何避免呢？ 2、使用工厂模式 定义抽象类和工厂基类 为每个分割器，创建具体类和具体工厂 MainForm不再依赖于具
阅读全文
摘要：python类中有三种方法，常见的是实例方法，另外两种是staticmethod装饰的静态方法，和classmethod装饰的类方法。 1、对比 流畅的python里，用一个例子进行了对比： （1）两个方法都不依赖于实例，类可以直接调用； （2）classmethod中，第一个参数为相应的类；sta
阅读全文
摘要：思路：为了爬到n层楼梯，有两个选择，在n-1阶前进1步 or 在 n-1阶前进2步，即f(n) = f(n-1) + f(n-2)
阅读全文
摘要：在软件构建过程中，需要为某些对象建立一种通知依赖关系：一个对象（目标对象）的状态发生改变，所有的依赖对象（观察者）都将得到通知。 1、如下是一个文件分割器的伪码，分为两部分，MainForm中设置文件路径及分割的次数，在成员函数中，生成分割器并调用分割器；FileSpliter为文件分割类。 2、需
阅读全文
摘要：思路：面积为高度×宽度，分别指向首尾两个元素，并记录此时的面积，当移动首尾时，宽度减小，如果移动高度较大的元素，面积必定减小，所以此时 应该移动较小的元素。
阅读全文
摘要：单例模式中，一个类只能有一个实例 一、实现 将默认构造函数、拷贝构造设为私有； 通过静态成员变量和静态成员函数来生成、获取单个实例。 二、线程安全 上述例子对于单线程没问题，但对于多线程可能会出错（某个线程在生成实例时，其他线程也可能进入并生成实例）。 1、一种办法是加锁，但代价较高：当只是读取实例
阅读全文
