摘要: 概率无向图模型 $P(X_{1},X_{2},...,X_{3})=\frac{1}{Z(X)}\tilde{P}(X_{1},X_{2},...,X_{n})$ $ \tilde{P}(X_{1},X_{2},...,X_{n}) = \prod_{i=k}^m \phi_{i}(X)=exp(\ 阅读全文
posted @ 2019-01-29 15:36 mjl_cv 阅读(460) 评论(0) 推荐(0) 编辑
摘要: 理想情况的p-r曲线是随着r的增大,p逐渐减小。但是有时候会出现p先减小再增大的情况。 阅读全文
posted @ 2019-01-08 17:09 mjl_cv 阅读(722) 评论(0) 推荐(0) 编辑
摘要: MaskLab: Instance Segmentation by Refining Object Detection with Semantic and Direction Features 这是一篇2018年cvpr关于实例分割的网络模型,模型主要有三个输出:边界框、语义分割、方向预测。 整体框 阅读全文
posted @ 2019-01-02 17:03 mjl_cv 阅读(3962) 评论(0) 推荐(0) 编辑
摘要: 与递归生成器实现同样的功能,不过这里使用非生成器的方法来模拟。 通过输出可以看出,虽然最终的结果一样,但是中间的element输出却不一样。原因在于,yield每次返回时,当前的代码就会被挂起,如果用return替代yield代码就完全返回。所以实现同样的功能,生成器每次遍历到一个值就逐层向上传递, 阅读全文
posted @ 2018-12-04 18:55 mjl_cv 阅读(308) 评论(0) 推荐(0) 编辑
摘要: python基础教程中(第2版 修订版)p155页有这样一段代码: 这是递归生成器的使用。其它递归生成器可参考 filter函数与无限生成器结合使用遇到的问题 。 调试代码: 可见,其中的yield nested用于生成每个最终的输出值,而其中yield element的作用是向上传递yield n 阅读全文
posted @ 2018-12-04 18:32 mjl_cv 阅读(642) 评论(0) 推荐(0) 编辑
摘要: python3中用于过滤序列,过滤掉不符合条件的元素,返回一个迭代器对象,如果要转换为列表,可以使用list()来转换。 廖雪峰关于filter的使用 很好的解释了filter的作用,以及和生成器的结合,但是让人疑惑的是: 以上这段代码的具体实现细节是什么?it是个生成器,使用filter对其进行操 阅读全文
posted @ 2018-12-04 17:06 mjl_cv 阅读(594) 评论(1) 推荐(0) 编辑
摘要: 1.stack 两个以上(n)相同array进行堆叠,n为axis的维度。 作用:用于Faster RCNN不同ratio的anchor生成。 2. meshgrid 3. flatten 4. broadcast_to 将array复制指定的倍数。 阅读全文
posted @ 2018-10-11 15:42 mjl_cv 阅读(430) 评论(0) 推荐(0) 编辑
摘要: 遗传算法(genetic algorithm)是进化算法的一种。来源于达尔文的生物进化学——“物竞天择,适者生存”。一个种群在繁衍的过程中,通过交叉繁衍和个体变异产生了新的一代。新一代中有的个体能适应当前环境很好的生存从而继续繁衍,而有的个体因无法适应环境而被环境淘汰。 如何用计算机表示? 一个种群 阅读全文
posted @ 2018-09-20 00:21 mjl_cv 阅读(857) 评论(0) 推荐(0) 编辑
摘要: 2.1 为什么要进行实例探究? 过去几年,计算机视觉研究中的大量工作都集中在如何把卷积、池化、全连接这些基本构建组合起来,形成有效的卷积神经网络。在计算及视觉任务中表现良好的神经网路框架,往往也适用于其它任务。这里有些知名的卷积网络结构,如LeNet-5,、AlexNet、VGG、ResNet、In 阅读全文
posted @ 2018-08-30 09:47 mjl_cv 阅读(512) 评论(0) 推荐(0) 编辑
摘要: 生成对抗网络通过一个对抗步骤来估计生成模型,它同时训练两个模型:一个是获取数据分布的生成模型$G$,一个是估计样本来自训练数据而不是$G$的概率的判别模型$D$。$G$的训练步骤就是最大化$D$犯错的概率。这个框架对应于一个二元极小极大博弈。在任意函数$G$和$D$的空间中,存在唯一解,$G$恢复数 阅读全文
posted @ 2018-08-28 15:33 mjl_cv 阅读(4080) 评论(0) 推荐(0) 编辑