目录课程相关推荐书籍在n个数中查找出现次数超过一半的数字在n个数中寻找出现次数最多的k个数字估计n个数中出现次数最多的k个数字的出现次数布隆过滤器课程相关李荣华 lironghuabit@126.com主页 ronghuali.github.io课程考核 大作业（综述）推荐书籍王宏志，大数据算法，机械工业出版社，2015Jure Leskovec, Anand Rajaraman, Mining

目录简历内容Faster RCNN整体流程各个层常见cv面试题简历内容Faster RCNN整体流程各个层常见cv面试题

引言       现有的深度学习的目标检测方法，可以大致分为两类：一、基于候选区域的目标检测方法；二、基于回归的目标检测方法。依据方法的提出时间，可以构建出如下时间线：2014 CVPR R-CNN[1]2015 arXiv DenseBox[14]2015 ICCV Fast R-CNN[2]2015 NIPS Faster R-CNN[3]2016 CV

目录简介动机贡献方法实验简介本文出自加州大学伯克利分校。这篇文章既不是image captioning，也不是video captioning，而是change captioning，具体什么意思呢，看下文吧。动机贡献方法实验...

由于更换服务器，我把在原服务器使用的conda环境，直接迁移到了新的服务器上。导致，在新服务器上使用conda(pip)命令时，出现“conda(pip) bad interpreter”错误。解决办法如下：输入which pip查看pip path输入which python查看python path使用vim打开刚才得到的pip path（或python path），将代码第一行中的路径修改为

目录矩阵的秩低秩矩阵概念作用稀疏矩阵稀疏编码矩阵的秩矩阵的秩 = 最大的线性无关的行（或列）向量的个数。对于图像而言，秩可以表示图像中包含信息的丰富程度、冗余程度、噪声。秩越小：基的个数少数据冗余性大图像信息不丰富图像噪声少低秩矩阵概念当矩阵的秩较低时（r << n, m），就可以视其为低秩矩阵。低秩矩阵意味着，此矩阵中有较多的行（或列）是线性相关的，即：信息冗余较大。作用利用低秩矩阵

目录课程相关推荐书籍在n个数中查找出现次数超过一半的数字在n个数中寻找出现次数最多的k个数字估计n个数中出现次数最多的k个数字的出现次数布隆过滤器课程相关李荣华 lironghuabit@126.com主页 ronghuali.github.io课程考核 大作业（综述）推荐书籍王宏志，大数据算法，机械工业出版社，2015Jure Leskovec, Anand Rajaraman, Mining

  理解出错之处望不吝指正。  本文模型叫做VITAL。作者提到，当前使用DNN的trackers的性能受限于两方面：（1）.每一帧中的positive sample在空间上高度重叠，模型不能和好的捕获较好的appearance variations；（2）.positive sample和negative sample的数量及其不平衡。为了处理这两个问题，作者提出了使用对抗学习的VITAL模..

由于自己攒了个主机，第一次安装GPU版本的tensorflow，mark一下。说明一下，本篇上接《Ubuntu16.04LTS下搭建强化学习环境gym、tensorflow》这篇文章，只不过修改了第四步（安装tensorflow）。说一下环境的版本：系统：Ubuntu 16.04.3显卡：gtx 1080（索泰 至尊Plus OC）CUDA 9.0cuDNN v7.0.5 for CUDA 9.0

卷积层：ws=tf.get_variable('w',[5,5,3,16],initializer=tf.truncated_normal_initializer(stddev=0.1))bs=tf.get_variable('b',[16],initializer=tf.constant_initializer(0.1))conv=tf.nn.conv2d(input,ws,strid