2020.04.18 小记近期一直在MOT算法研究，目前SOTA算法核心还是基于CenterTrack网络，而CenterTrack又是基于anchor-free式的CenterNet网络，CenterNet是继YOLO目标检测算法以来新创的目标检测派系，yolo系列都是anchor-based算法，因此着重研究了下CenterNet，其在相同速度下，CenterNet的精度比YOLOv3提高..

传统的图形学和视觉的研究方法，主要还是基于数学和物理的方法。然而随着近几年深度学习在视觉领域取得的卓越的效果，视觉领域研究的前沿已经基本被深度学习占领。在这样的形势之下，越来越多的图形学研究者也开始将目光投向深度学习。在图形学和视觉交叉的领域，一系列问题的研究正在围绕深度学习火热展开，特别是在图像编辑(image editing)和图像生成(image generation)方面，已经初见成...

接上篇，OpenCV视频目标跟踪及背景分割器，本篇介绍OpenCV—python目标跟踪==》光流法回顾：目标跟踪是对摄像头视频中的移动目标进行定位的过程。实时目标跟踪是许多计算机视觉应用的重要任务，如监控、基于感知的用户界面、增强现实、基于对象的视频压缩以及辅助驾驶等。关于实现视频目标跟踪的方法有很多，当跟踪所有移动目标时，帧之间的差异会变的有用；当跟踪视频中移动的手时，基于皮肤颜色的均...

Autoencoder 简单来说就是将有很多Feature的数据进行压缩，之后再进行解压的过程。 本质上来说，它也是一个对数据的非监督学习，如果大家知道 PCA (Principal component analysis)， 与 Autoencoder 相类似，它的主要功能即对数据进行非监督学习，并将压缩之后得到的“特征值”，这一中间结果正类似于PCA的结果。 之后再将压缩过的“特征值”进行解压，

1.深度强化学习简介    强化学习（Reinforcement Learing）是机器学习的一个重要分支，主要用来解决连续决策的问题。强化学习可以在复杂的,不确定的环境中学习如何实现我们设定的目标。    一个强化学习问题包含三个主要概念，即环境状态(Environment State)，行动(Action),奖励(Reward)。强化学习的目标就算获得最多的累计奖励。    回顾下，AutoE

神经网络之情感分析本文主要是介绍了运用神经网络进行情感分类，来源于Udacity的深度学习基石，这是第二周的课程，原项目中是对英文进行了分类，我这边改为了中文。 首先是中文切词，使用的是结巴。import jiebaseg = '使用结巴来对中文进行分词'seg_list = jieba.cut(seg)print("/ ".join(seg_list))使用/ 结巴/ 来/

mac上python2.7,python3.5,python3.6共存，pip和pip3共存，真是让人很苦恼。键入pip3 -V得到的结果是pip 9.0.1 from /usr/local/lib/python3.6/site-packages (python 3.6)pip 18.1 from /usr/local/lib/python3.6/site-packages/...

Python有py、pyc、pyw、pyo、pyd等文件格式，其中除py其他格式起到了不暴露源码的作用，相当于c语言中的动态库。Python的脚本文件是开源的，若直接发布桌面软件问题很严重。因为这是公司的产品，需要保护源码。那么要对Python代码进行混淆加密保护。混淆代码，我准备使用pyminifier。而加密处理，就比较麻烦。Python有py、pyc、pyw、pyo、pyd等文件...

时隔一年，重新回顾超分领域，真是读论文的速度赶不上发论文的速度，一年不见，已经出现了不少优秀的paper。先来一波，CVPR2019中关于超分辨率算法的16篇论文压压惊。好了，上干货，开始我们的重点，首先介绍下概念：超分辨率（Super Resolution，SR）超分辨率是一项底层图像处理任务，将低分辨率的图像映射至高分辨率，以期达到增强图像细节的作用。图像模糊不清的原因有很多...

1.overfitting :线性回归模型 拟合的函数和训练集的关系图片拟合的函数和训练集误差较大，我们称这种情况为 欠拟合图片拟合的函数和训练集误差较小，我们称这种情况为 合适拟合图片拟合的函数完美的匹配训练集数据，我们称这种情况为 过拟合拿到一个样本，特征非常多，而样例特别少，这样用回归去直接拟合非常困难，容易过度拟合。比如北京的房价：假设房子的特征是（大小、位置、朝向、是否学区房、建造年代、