<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[MajinWakeup的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/MajinWakeup</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; MajinWakeup]]></copyright><item><title><![CDATA[华为笔试跳跃问题]]></title><link>https://blog.youkuaiyun.com/MajinWakeup/article/details/102801271</link><guid>https://blog.youkuaiyun.com/MajinWakeup/article/details/102801271</guid><author>MajinWakeup</author><pubDate>Tue, 29 Oct 2019 16:15:51 +0800</pubDate><description><![CDATA[华为笔试跳跃问题-python实现1 题目描述2 python实现
昨天做了一个华为的笔试，做的时候有点急躁，很多地方不完善，通过率只有20%，今天完善了一下。哎感觉又凉了。
1 题目描述
给出一组正整数，你从第一个数向最后一个数方向跳跃，每次至少跳跃1格，每个数的值表示你从这个位置可以跳跃的最大长度。计算如何以最少的跳跃次数跳到最后一个数。下为例子：
输入：
7
2
3
2
1
2
1
5

输...]]></description><category></category></item><item><title><![CDATA[windows下配置cpu版caffe+python]]></title><link>https://blog.youkuaiyun.com/MajinWakeup/article/details/100918305</link><guid>https://blog.youkuaiyun.com/MajinWakeup/article/details/100918305</guid><author>MajinWakeup</author><pubDate>Tue, 17 Sep 2019 11:24:52 +0800</pubDate><description><![CDATA[windows下caffe安装1 Requirements2 安装build_win.cmd修改python 配置build
想在自己电脑上配置一下caffe环境，搜了一些教程发现很多都是过时的，官网的版本现在已经更新了，很多方法并不具有参考价值。因此自己参考官网的指导进行了安装。配置时间为2019/09/16，官网地址：https://github.com/BVLC/caffe/tree/win...]]></description><category></category></item><item><title><![CDATA[目标检测（五）：Faster-RCNN]]></title><link>https://blog.youkuaiyun.com/MajinWakeup/article/details/100886116</link><guid>https://blog.youkuaiyun.com/MajinWakeup/article/details/100886116</guid><author>MajinWakeup</author><pubDate>Mon, 16 Sep 2019 15:01:00 +0800</pubDate><description><![CDATA[目标检测（五）：Faster-RCNN1 RPN介绍2 训练
Faster-RCNN1主要是为了解决Fast-RCNN中region proposal的耗时问题。之前所用的selective search方法的耗时往往比检测本身的耗时还要长，因此本文提出了一种Region Proposal Network（RPN）用来获取region proposal，同时RPN与Fast-RCNN中的检测网络可...]]></description><category></category></item><item><title><![CDATA[目标检测（四）：Fast-RCNN]]></title><link>https://blog.youkuaiyun.com/MajinWakeup/article/details/100737320</link><guid>https://blog.youkuaiyun.com/MajinWakeup/article/details/100737320</guid><author>MajinWakeup</author><pubDate>Wed, 11 Sep 2019 16:29:05 +0800</pubDate><description><![CDATA[目标检测（四）：Fast-RCNN1 卷积层特征提取2 ROI pooling处理3 分类概率及边界框预测训练
Fast-RCNN1是在RCNN和SPPnet的基础上进行改进得到的，SPPnet的论文我并未研读，这是看了几篇博客的介绍，但是其中的SPP（Spatial Pyramid Pooling）思想还是很重要的，如果后期有机会的话再补上。Fast-RCNN主要工作在于设计了一个ROI-poo...]]></description><category></category></item><item><title><![CDATA[目标检测（二）：OverFeat]]></title><link>https://blog.youkuaiyun.com/MajinWakeup/article/details/100701422</link><guid>https://blog.youkuaiyun.com/MajinWakeup/article/details/100701422</guid><author>MajinWakeup</author><pubDate>Tue, 10 Sep 2019 19:23:31 +0800</pubDate><description><![CDATA[目标检测（二）：OverFeat1 分类1.1 多尺度处理1.2 特征提取1.3 分类2 定位2.1 边界框预测2.2 预测边界框的组合3 检测
说实话这篇论文1看得有点头大，很多过程理解得不够透彻，论文里的插图也并没有看懂，只能结合其他资料大概了解了一下。
本篇论文中作者主要使用了一个共享的CNN来同时解决视觉任务中的分类、定位和检测三个问题。
1 分类
论文使用的CNN网络分为极速版和精准版两...]]></description><category></category></item><item><title><![CDATA[目标检测（三）：YOLO及YOLT]]></title><link>https://blog.youkuaiyun.com/MajinWakeup/article/details/100692315</link><guid>https://blog.youkuaiyun.com/MajinWakeup/article/details/100692315</guid><author>MajinWakeup</author><pubDate>Tue, 10 Sep 2019 10:55:37 +0800</pubDate><description><![CDATA[目标检测（二）：YOLO及YOLT1 目标检测框架YOLO1.1 YOLOv11.2 YOLOv21.3 YOLOv32 用于卫星图像目标检测的YOLT2.1 图像切块2.2 不同scale的检测模型融合2.3 不同分辨率的图像训练主要参考
本篇博客主要介绍YOLO系列以及其一个变体YOLT。
1 目标检测框架YOLO
关于YOLO的介绍有很多，这里只是简单对其进行了了解。YOLO的优势是检测速度...]]></description><category></category></item><item><title><![CDATA[目标检测（一）：R-CNN]]></title><link>https://blog.youkuaiyun.com/MajinWakeup/article/details/100666451</link><guid>https://blog.youkuaiyun.com/MajinWakeup/article/details/100666451</guid><author>MajinWakeup</author><pubDate>Mon, 09 Sep 2019 17:35:28 +0800</pubDate><description><![CDATA[目标检测（一）：R-CNN1 R-CNN框架1.1 获取region proposals1.2 Feature Extraction1.3 ClassifyBounding Box Regression2 训练部分介绍
之前对于目标检测的深度学习框架了解不多，因此需要阅读大量文献，这里参考Github上的一个文章整理1进行阅读，主要阅读其中一些比较重要的文献。
1 R-CNN框架
R-CNN2的整...]]></description><category></category></item><item><title><![CDATA[目标检测技术调研]]></title><link>https://blog.youkuaiyun.com/MajinWakeup/article/details/100580463</link><guid>https://blog.youkuaiyun.com/MajinWakeup/article/details/100580463</guid><author>MajinWakeup</author><pubDate>Fri, 06 Sep 2019 16:24:32 +0800</pubDate><description><![CDATA[目标检测技术调研1 目标检测与识别技术2 目标检测框架YOLO2.1 YOLOv12.2 YOLOv22.3 YOLOv33 用于卫星图像目标检测的YOLT3.1 图像切块3.2 不同scale的检测模型融合3.3 不同分辨率的图像训练主要参考
由于工作需要，这段时间对目标检测技术进行了调研。主要是对目标检测的发展大致进行了了解，并对其中的YOLO以及其变体YOLT重点关注。
1 目标检测与识别技...]]></description><category></category></item><item><title><![CDATA[我的第一篇博客]]></title><link>https://blog.youkuaiyun.com/MajinWakeup/article/details/100169320</link><guid>https://blog.youkuaiyun.com/MajinWakeup/article/details/100169320</guid><author>MajinWakeup</author><pubDate>Sat, 31 Aug 2019 10:08:03 +0800</pubDate><description><![CDATA[我的第一篇博客1. 背景2. 今后的一些安排需求类兴趣类

无论一生际遇如何，心中万不可蒙尘。

1. 背景
刚刚从大学毕业步入社会，说实话目前的工作并不满意，也想找个机会换个理想工作。当然想要去一个好公司首先需要提升自身的硬实力，现在我也有很多需要学习的东西。写博客的目的就是记录一下自己的所劳所得，检查自己的不足。
在网上也查了一些写博客的网站，发现其实最好的方法是使用类似WordPress等工...]]></description><category></category></item></channel></rss>