摘要：
问题描述: 在一个二维数组中，每一行都按照从左到右递增的顺序排序，每一列都按照从上到下递增的顺序排序。请完成一个函数，输入这样的一个二维数组和一个整数，判断数组里是否含有该整数。 首先选取数组中右上角的数字。如果该数字等于要查找的数字，则查找过程结束；如果该数字大于要查找的数字，则剔除这个数字所在的列；如果该数字小于要查找的数字，则剔除这个数字所在的行。也就是说，如果要查找的数字不在数组的右上... 阅读全文
|
摘要：
问题描述: 在一个二维数组中，每一行都按照从左到右递增的顺序排序，每一列都按照从上到下递增的顺序排序。请完成一个函数，输入这样的一个二维数组和一个整数，判断数组里是否含有该整数。 首先选取数组中右上角的数字。如果该数字等于要查找的数字，则查找过程结束；如果该数字大于要查找的数字，则剔除这个数字所在的列；如果该数字小于要查找的数字，则剔除这个数字所在的行。也就是说，如果要查找的数字不在数组的右上... 阅读全文
摘要：
问题描述: 请实现一个函数，把字符串的每个空格替换成"%20"。例如，输入"We are happy", 则输出"We%20are%20happy" O(n^2)从前向后替换。从头到尾扫描字符串，每次碰到空格字符的时候进行替换。假设字符串的长度是n，对每个空格字符，需要移动后面O(n)个字符，因此对于含有O(n)个空格字符的字符串而言，总的时间效率是O(n^2) O(n) 从后往前替换。先统计... 阅读全文
摘要：
struct ListNode{ int m_nValue; ListNode* m_pNext; }; # 往该链表的末尾添加一个节点 往一个空链表中插入一个节点时，新插入的节点就是链表的头指针。由于此时会改动头指针，因此必须把pHead参数设为指向指针的指针，否则出了这个函数pHead仍然是一个空指针。 void addToTail(ListNode** pHead, i... 阅读全文
摘要：
一、问题描述: 找出数组中重复的数字 在一个长度为n的数组里的所有数字都在0~n-1的范围内，数组中某些数字是重复的，但不知道有几个数字重复，也不知道重复了几次。请找出数组中任意一个重复的数字。 排序 哈希表。从头到尾按顺序扫描数组的每个数字，每扫描到一个数字，都可以用O(1)的时间来判断哈希表里是否已经包含了该数字。如果哈希表里还没有这个数字，就把它加入哈希表，如果哈希表里已经存在该数字，... 阅读全文
摘要：
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，而本文不一样的地方在于预测是在不同特... 阅读全文
摘要：
废话不多说，上车吧，少年 paper链接：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks &创新点 设计Region Proposal Networks【RPN】，利用CNN卷积操作后的特征图生成region proposals... 阅读全文
摘要：
Region Proposal Network RPN的实现方式：在conv5-3的卷积feature map上用一个n*n的sliding window（论文中n=3）生成一个长度为256（ZF网络）或512（对应于VGG网络）维长度的全连接特征。然后再这个256维或512维的特征后产生两个分支的全连接层： 1. reg-layer：用于预测proposal的中心锚点对应的proposal... 阅读全文
摘要：
废话不多说，上车吧，少年 paper链接：Fast R-CNN &创新点 规避R-CNN中冗余的特征提取操作，只对整张图像全区域进行一次特征提取； 用RoI pooling层取代最后一层max pooling层，同时引入建议框信息，提取相应建议框特征； Fast R-CNN网络末尾采用并行的不同的全连接层，可同时输出分类结果和窗口回归结... 阅读全文
摘要：
Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition文章地址：https://arxiv.org/pdf/1406.4729.pdf摘要沿着上一篇RCNN的思路，我们继续探索目标检测的痛点，其中RCNN使用CNN作为特征提取器，首次使得目标检测跨入深度学习的阶段。但是RCNN对于每一个区域候选都需... 阅读全文
摘要：
废话不多说，上车吧，少年 paper链接：Rich feature hierarchies for accurate object detection and semantic segmentation &创新点 采用CNN网络提取图像特征，从经验驱动的人造特征范式HOG、SIFT到数据驱动的表示学习范式，提高特征对样本的表示能力； 采... 阅读全文
|