原创 ubuntu python 升級 和pip匹配問題

ubuntu16.04,卸載系統自帶的python3.5引發了一宗慘案,好在最終完美解決 https://blog.csdn.net/qq_29935433/article/details/105568942?utm_medium=dis

原创 機器學習之sklearn樸素貝葉斯類庫使用小結

轉載自: https://blog.csdn.net/kancy110/article/details/72763276 在scikit-learn中,提供了3中樸素貝葉斯分類算法:GaussianNB(高斯樸素貝葉斯)、Multinom

原创 SSD 論文(1)閱讀筆記簡化

文章轉自https://www.cnblogs.com/xuanyuyt/p/7447111.htmlhttp://www.cnblogs.com/xuanyuyt/p/7222867.html一. 算法概述本文提出的SSD算法是一種直接

原创 何愷明 Detectron安裝與Mask RCNN介紹 detectron安裝+caffe2安裝

轉載https://blog.csdn.net/Xiongchao99/article/details/79167353/ https://www.cnblogs.com/zealousness/p/8757353.html     de

原创 深度學習目標檢測部署套路

轉載:https://www.jianshu.com/p/64481a936007   深度學習視覺目標檢測 整體思路 一、先搭建視覺目標檢測算法 二、根據實際的硬件平臺和實現效果來優化算法。 深度學習 一般將深度學分爲五個部分,網絡結構

原创 數據挖掘領域十大經典算法之(超詳細附代碼)AdaBoost算法

https://blog.csdn.net/fuqiuai/article/details/79482487      

原创 CVPR2018-Segmentation相關論文整理

https://blog.csdn.net/qq_16761599/article/details/80727466  

原创 何愷明 Detectron安裝與Mask RCNN介紹

轉載https://blog.csdn.net/Xiongchao99/article/details/79167353/

原创 何愷明“終結”ImageNet預訓練時代:從0開始訓練神經網絡,效果比肩COCO冠軍

何愷明,RBG,Piotr Dollár。   三位從Mask R-CNN就開始合作的大神搭檔,剛剛再次聯手,一文“終結”了ImageNet預訓練時代。   他們所針對的是當前計算機視覺研究中的一種常規操作:管它什麼任務,拿來ImageN

原创 NeurIPS 2018 | 基於學習的多任務框架L2MT,爲多任務問題選擇最優模型

  由騰訊AI Lab 和香港科技大學的研究者合作完成的論文,提出一種新型框架 L2MT(learning to multitask),用基於學習的方法爲多任務問題選擇最優模型,本文爲NeurIPS 2018收錄文章。   論文鏈接:

原创 hjimce算法類博文目錄--深度學習

轉載 https://blog.csdn.net/hjimce/article/details/50573444

原创 不可不知的七大統計模型

一、多元迴歸  1、概述:  在研究變量之間的相互影響關係模型時候,用到這類方法,具體地說:其可以定量地描述某一現象和某些因素之間的函數關係,將各變量的已知值帶入迴歸方程可以求出因變量的估計值,從而可以進行預測等相關研究。    2、分

原创 深度學習中的圖像處理

https://zhuanlan.zhihu.com/p/28601032?utm_source=wechat_session&utm_medium=social   大家整理的代碼資源庫,收集了大量深度學習項目圖像處理領域的代碼鏈接。包

原创 VGG、ResNet、GoogleLeNet、AlexNet等常用網絡代碼及預訓練模型

常用數據集: ImageNet   http://www.image-net.org/ Microsoft的COCO  http://mscoco.org/ CIFAR-10和CIFAR-100 https://www.cs.toront

原创 FaceNet pre-trained模型以及FaceNet源碼使用方法和講解

Pre-trained models Model name     LFW accuracy     Training dataset     Architecture 20180408-102900     0.9905     CAS