03 2018 档案
摘要：推荐资源： 《线性代数的本质》：Essence of linear algebra 视频教程 《数学之美》（科普类书籍），吴军系列书籍都不错。 易向军《大嘴巴漫谈数据挖掘》，通俗生动，不枯燥。
阅读全文
摘要：Medium！ 题目描述： 给定一个字符串 s，找到 s 中最长的回文子串。你可以假设 s 长度最长为1000。 示例: 示例: 回文串概念： “回文串”是一个正读和反读都一样的字符串，比如“level”或者“noon”等等就是回文串。 回文算法描述： 1、初始化标志flag=true； 2、输入字
阅读全文
摘要：Hard！ 题目描述： 有两个大小为 m 和 n 的排序数组 nums1 和 nums2 。 请找出两个排序数组的中位数并且总的运行时间复杂度为 O(log (m+n)) 。 示例 1: 示例 2: 解题思路： 这道题让我们求两个有序数组的中位数，而且限制了时间复杂度为O(log (m+n))，看到
阅读全文
摘要：Medium！ 题目描述： 给定一个字符串，找出不含有重复字符的 最长子串 的长度。 示例： 给定 "abcabcbb" ，没有重复字符的最长子串是 "abc" ，那么长度就是3。 给定 "bbbbb" ，最长的子串就是 "b" ，长度是1。 给定 "pwwkew" ，最长子串是 "wke" ，长度
阅读全文
摘要：Medium！ 题目描述： 给定两个非空链表来表示两个非负整数。位数按照逆序方式存储，它们的每个节点只存储单个数字。将两数相加返回一个新的链表。 你可以假设除了数字 0 之外，这两个数字都不会以零开头。 示例： 思路： 本题的思路很简单，按照小学数学中学习的加法原理从末尾到首位，对每一位对齐相加即可
阅读全文
摘要：写在前面：基本全部参考大神“Grandyang”的博客，附上网址：http://www.cnblogs.com/grandyang/p/4130379.html 写在这里，是为了做笔记，同时加深理解，希望有识之士一起加油。 Easy！ 题目描述： 给定一个整数数组和一个目标值，找出数组中和为目标值的
阅读全文
摘要：写在前面：请务必踏踏实实看书，结合笔记或视频来理解学习，任何技术，啃砖头是最扎实最系统的，为避免知识碎片化，切忌抛却书本的学习！！！ 一 什么是深度学习 1 关于AI： AI系统必须具备从原始数据提取模式的能力——机器学习； 算法性能依赖于数据表示（表示学习）； 传统机器学习：人工提取特征 深度学习
阅读全文
摘要：国外暂时泛读！title（24）：Weakly Supervised Learning with Deep Convolutional Neural Networks for Semantic Segmentation：Understanding semantic layout of images
阅读全文
摘要：本文是针对视频中行为者的行为进行弱监督标注信息的分割，和广义的图像语义分割不同，暂放。 国外泛读！title（19）：Weakly Supervised Semantic Segmentation using Web-Crawled Videos（使用Web抓取的视频进行弱监督语义分割） CVPR2
阅读全文
摘要：国外精读！title（17）：Exploiting saliency for object segmentation from image level labels（利用图像级签的显著性进行目标分割） CVPR2017 abstract：近年来语义标注任务有了显着的改进。然而，最先进的方法依赖于大规
阅读全文
摘要：国内暂时泛读！title（13）：基于纹元森林和显著性先验的弱监督图像语义分割方法 20171228 摘要：弱监督语义分割任务常利用训练集中全体图像的超像素及其相似度建立图模型，使用图像级别标记的监督关系进行约束求解。全局建模缺少单幅图像结构信息，同时此类参数方法受到复杂度限制，无法使用大规模的弱监
阅读全文
摘要：国外暂时略读！title（12）：BoxSup: Exploiting Bounding Boxes to Supervise Convolutional Networks for Semantic Segmentation（BoxSup：利用边界框监督卷积网络进行语义分割） 20150518 ab
阅读全文
摘要：文献综述抽取某一个学科领域中的现有文献，总结这个领域研究的现状，从现有文献及过去的工作中，发现需要进一步研究的问题和角度。 文献综述是对某一领域某一方面的课题、问题或研究专题搜集大量情报资料，分析综合当前该课题、问题或研究专题的最新进展、学术见解和建议，从而揭示有关问题的新动态、新趋势、新水平、新原
阅读全文
摘要：by 南大周志华 摘要 监督学习技术通过学习大量训练数据来构建预测模型，其中每个训练样本都有其对应的真值输出。尽管现有的技术已经取得了巨大的成功，但值得注意的是，由于数据标注过程的高成本，很多任务很难获得如全部真值标签这样的强监督信息。因此，能够使用弱监督的机器学习技术是可取的。本文综述了弱监督学习
阅读全文
摘要：国外暂时泛读！title（6）：Learning random-walk label propagation for weakly-supervised semantic segmentation（学习随机游走标签传播用于弱监督语义分割） 20180201 abstract：由于相对于其他视觉任务而
阅读全文
摘要：国内暂时泛读！title（4）：Tell Me Where to Look: Guided Attention Inference Network（告诉我看向哪里：引导注意推理网络） 20180227 abstract：只有粗糙标签的弱监督学习可以通过反向传播梯度获得深度神经网络的视觉解释，例如注意
阅读全文
摘要：前言：每天至少读2-3篇文章，有精有泛； 1、多数文章看摘要，少数文章看全文； 2、最重要的是：自己要概括这篇文献到底说了什么，做好笔记和记录，否则等于白读！ 3、看过的文章千万不可放置一旁再不过问，记得温故而知新。 4、阅读顺序： 先看abstract、introduction >然后看discu
阅读全文
摘要：为什么读文献？ 每天保持读至少2-3篇的文献的习惯。读文献有不同的读法。但最重要的自己总结概括这篇文献到底说了什么，否则就是白读，读的时候好像什么都明白，一合上就什么都不知道，这是读文献的大忌，既浪费时间，最重要的是，没有养成良好的习惯，导致以后不愿意读文献。 1. 每次读完文献 (不管是细读还是粗
阅读全文
摘要：一、文献综述概述 文献综述是研究者在其提前阅读过某一主题的文献后，经过理解、整理、融会贯通，综合分析和评价而组成的一种不同于研究论文的文体。 综述的目的是反映某一课题的新水平、新动态、新技术和新发现。 从其历史到现状，存在问题以及发展趋势等，都要进行全面的介绍和评论。 在此基础上提出自己的见解，预测
阅读全文
