原创 MATLAB-根據文件名篩選自己需要刪除的文件
%在一個文件夾之內，根據文件名篩選自己需要刪除的文件 clc; clear all; close all; fileFolder=pwd; dirOutput=dir(fullfile(fileFolder,'*'));%如果存在
2020-06-21 16:35:58
12
原创 tensorflow3-手寫數字識別
網絡結構： 28*28個輸入單元，200箇中間單元，10個輸出單元 代碼： # -*- coding: utf-8 -*- """ Created on Fri May 17 19:39:39 2019 @author: 666 ""
2020-06-09 17:31:57
3
原创 tensorflow5-構造簡單的卷積神經網絡
網絡結構： 輸入 --> 卷積層1 --> 池化層1 --> 卷積層2 --> 池化層2 --> 全連接層1 -- 全連接層1 -->輸出層 圖片大小的尺度變化： 輸入 : 784*1 卷積層1 ： 28*28*32 池化層1 ：
2020-06-09 17:31:57
原创 LeetCode刷題--1.兩數之和（C、python、java）
給定一個整數數組 nums 和一個目標值 target，請你在該數組中找出和爲目標值的那 兩個 整數，並返回他們的數組下標。 你可以假設每種輸入只會對應一個答案。但是，你不能重複利用這個數組中同樣的元素。 示例: 給定 nums = [
2020-06-09 17:31:57
原创 tensorflow1-構建線性模型
預設一個線性模型： y = x*w + b（w = 0.1，b = 0.2） x是給定的輸入數據 使用tensorflow構建一個模型，開始的時候，w和b全部給成0，讓其訓練，使其接近預設的模型。即讓w接近0.1，b接近0.2 代碼：
2020-06-09 17:31:57
1
原创 LeetCode刷題-67. 二進制求和(python)
給定兩個二進制字符串，返回他們的和（用二進制表示）。 輸入爲非空字符串且只包含數字 1 和 0。 示例 1: 輸入: a = "11", b = "1" 輸出: "100" 示例 2: 輸入: a = "1010", b = "1011"
2019-10-26 05:25:37
原创 統計學習方法3-python實現KNN線性掃描算法
1. 使用python 自實現 import numpy as np def o_distance(x1,y1): return np.sqrt(np.sum(np.square(x1-y1))) class KNN:
2019-08-01 04:09:05
3
原创 統計學習方法2-python實現感知機
1.感知機 題目： 1. 使用python 實現其詳細代碼過程 import numpy as np import time X = np.array([[3,3],[4,3],[1,1]]) Y = np.array([1,1,-
2019-08-01 04:09:05
原创 Meta-SR: A Magnification-Arbitrary Network for Super-Resolution
Meta-SR：用於超分辨率的放大 - 任意網絡 摘要： 由於深度卷積神經網絡（DCNN）的發展，最近對超分辨率的研究取得了很大成就。然而，長期以來忽略了任意比例因子的超分辨率。最以前的研究人員認爲超分辨率不同比例因子作爲獨立任務。他們訓
2019-07-30 02:36:22
1
原创 LeetCode刷題-26. 刪除排序數組中的重複項(python)
給定一個排序數組，你需要在原地刪除重複出現的元素，使得每個元素只出現一次，返回移除後數組的新長度。 不要使用額外的數組空間，你必須在原地修改輸入數組並在使用 O(1) 額外空間的條件下完成。 示例 1: 給定數組 nums = [1,1,
2019-07-30 02:36:22
原创 DetNet：A Backbone network for Object Detection
DetNet：用於對象檢測的骨幹網絡 摘要： 最近基於CNN的物體探測器，無論是單階段像YOLO ，SSD 和RetinaNet 這樣的方法或像Faster R-CNN ，R-FCN 和FPN 這樣的兩級檢測器通常都在嘗試直接從用於圖像分
2019-07-30 02:36:22
原创 LeetCode刷題-21. 合併兩個有序鏈表(python)
將兩個有序鏈表合併爲一個新的有序鏈表並返回。新鏈表是通過拼接給定的兩個鏈表的所有節點組成的。 示例： 輸入：1->2->4, 1->3->4 輸出：1->1->2->3->4->4 方法一：遞歸 # Definition for s
2019-07-30 02:36:22
原创 Feature Pyramid Networks for Object Detection
心得： FPN主要是在網絡結構方面進行的改進，首先，使用resnet vgg 等網絡，構建由下自上的金字塔，然後通過上採樣，構造自上而下的網絡，接着對其進行橫向連接。最大的改進點在於網絡模型。 論文翻譯與總結： 摘要 特徵金字塔是識別
2019-06-21 03:59:14
1
原创 Learning Efficient Single-stage Pedestrian Detectors by Asymptotic Localization Fitting
心得： 我是讀完 Cascade R-CNN- Delving into High Quality Object Detection 這篇paper 完之後看的這篇，感覺二者還是有相似之處，主要都是用了級聯的思想，這篇文章主要提出了ALF
2019-06-21 03:59:14
3
原创 SNIPER- Efficient Multi-Scale Training
心得： SNIPER主要的貢獻在於通過自己設計的策略，使得產生的region proposals 更加的準確，使得最終的效果顯著提高。 論文翻譯與總結： 摘要： 我們提出了SNIPER，一種在實例級視覺識別任務中執行高效多尺度訓練的算法。
2019-06-21 03:59:14
5