09 2018 档案
摘要：Motivation 实现快速和准确地抽取出视频中的语义片段 Proposed Method -提出了TURN模型预测proposal并用temporal coordinate regression来校正proposal的边界 -通过复用unit feature来实现快速计算 主要步骤如下： Vid
阅读全文
摘要：互补时域动作提名生成 这里的互补是指actionness score grouping 和 sliding window ranking这两种方法提proposal的结合，这两种方法各有利弊，形成互补。 滑窗均匀覆盖所有的视频片段，但时域边界不准确，聚合方法可能更准确但当actionness sco
阅读全文
摘要：II 简单dfs III 简单dfs递归，限制条件是k个数其和为n IV 简单dp，dfs超时，记忆化dfs应该可以
阅读全文
摘要：第一题给3个数。每个数有一定数量，输出这些数总的排列个数，要求相同的数不能相邻
阅读全文
摘要：3. Max Points on a Line 共线点个数3种解法 思路一：思考如何确定一条直线，两点法，确定斜率后带入一点。有三种情况，1. 两点重合，2. 斜率不存在，3. 正常算，依次以每个点为过直线的点，map映射斜率个数。 思路二：后两种情况合并，用(dy/d, dx/d)表示，其中d=g
阅读全文
摘要：适用场景：一个输入对应多个label，或输入类别间不互斥 调用函数： 1. Pytorch使用torch.nn.BCEloss 2. Tensorflow使用tf.losses.sigmoid_cross_entropy 3. Caffe使用SigmoidCrossEntropyLoss 在outp
阅读全文
摘要：ARTnet： caffe实现：代码 1 Motivation：How to model appearance and relation (motion) 主要工作是在3D卷积的基础上，提升了action recognition的准确率，没有使用光流信息，因为光流的提取速度特别慢，这可能是未来的研究
阅读全文
摘要：二叉搜索树 建树 删除节点，三种情况，递归处理。左右子树都存在，两种方法，一种找到左子树最大节点，赋值后递归删除。找右子树最小同理
阅读全文
摘要：LSTM 原理 CRF 原理 给定一组输入随机变量条件下另一组输出随机变量的条件概率分布模型。假设输出随机变量构成马尔科夫随机场(概率无向图模型)在标注问题应用中，简化成线性链条件随机场，对数线性判别模型，学习方法通常是最大似然估计或正则化的最大似然估计。 概率无向图模型： 无向图表示的联合概率分布
阅读全文
摘要：I 找一个连续最大子数组，sum加到nums[i], 如果前面子数组和<0则舍去，从头开始。 II 找两个不重叠的子数组，使得他们的和最大。 思路：一般有了I，II是变形版本，想办法往I上套，因为小规模的I已经做出来了，要好好利用他。 枚举划分的位置，将数组划分为左右两部分，每一部分调用I的函数就行
阅读全文
摘要：Two-Stream Inflated 3D ConvNet (I3D) HMDB-51: 80.9% and UCF-101: 98.0% 在Inception-v1 Kinetics上预训练 ConvNet+LSTM：每一帧都提feature后整视频pooling，或者每一帧提feature+L
阅读全文
摘要：摘要 解决问题 用CNN框架有效提取video长时序特征 在UCF101等训练集受限的情况下训练网络 贡献 TSN网络，基于长时间时序结构模型。稀疏时序采样策略，视频层监督有效学习整个视频。 HMDB51（69.4%），UCF101（94.2%） 介绍 动作识别有两个重要和补充的方面 appeara
阅读全文
摘要：URL映射 路径解析 以及末尾有/ ——如果用cin>>line的方式输入string类型的line，会导致不能判断为空的输入，所以采用getline。在while循环之前还需要添加getchar()，吸收换行。否则90分； ——c++中单双引号的区别： ""是字符串，C风格字符串后面有一个'\0'
阅读全文
摘要：转自：lemonGuo 死锁出现的场景 根据以上分析总结一下最坏的情况： synchronized(from)：别的线程在等待from对象； synchronized(to)：别的线程已经锁住了to对象； 因此，可能出现死锁的情况就是： transfer(a,b,100) 和 transfer(b,
阅读全文
摘要：转自：AIfred 事实证明外排序的效率主要依赖于磁盘，归并阶段采用K路归并可以显著减少IO量，最小堆并行k路归并，效率倍增。 二路归并的思路会导致非常多冗余的磁盘访问，两组两组合并确定的是当前的相对位置并不能一次确定最终的位置。 K路归并，每一轮归并直接确定的是最终的位置，不用重复访问，减少IO。
阅读全文
摘要：转自：AIfred 问题： 对一个 10GB 的数据文件排序，而计算机内存仅有 4GB 思路： 将整个文件读入内存排序显然不行。可以将这个 10GB 的大文件分区为 100 个 100MB 的小文件，把这些小文件的数据依次读入内存、排序、再输出，于是我们便得到了 100 个各自有序的小文件。接下来再
阅读全文
摘要：转自：watersink 1， Bootstrapping，hard negative mining最原始的一种方法，主要使用在传统的机器学习方法中。比如，训练cascade类型分类模型的时候，可以将每一级分类错误的样本继续添加进下一层进行训练。 比如，SVM分类中去掉那些离分界线较远的样本，只保留
阅读全文
