<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[bigtailhao的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/bigtailhao</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; bigtailhao]]></copyright><item><title><![CDATA[多标签分类问题的损失函数与长尾问题]]></title><link>https://blog.youkuaiyun.com/bigtailhao/article/details/121015794</link><guid>https://blog.youkuaiyun.com/bigtailhao/article/details/121015794</guid><author>bigtailhao</author><pubDate>Thu, 28 Oct 2021 15:49:07 +0800</pubDate><description><![CDATA[背景
麻省理工学院研究团队发表在ICML2020的
《From ImageNet to Image Classification: Contextualizing Progress on Benchmarks》
表示 imagenet数据集中有约20%的数据都是至少有2个标签

谷歌发布了多标签数据集Open image dataset
主要是利用谷歌自己的多标签模型打标之后，然后人工修改一部分。
常用方案
bceloss
将多标签问题针对每一种类别转化为多个二分类问题
常见问题
1）长尾问题，正负样本不平]]></description><category></category></item><item><title><![CDATA[目标检测-温故而知新]]></title><link>https://blog.youkuaiyun.com/bigtailhao/article/details/120914364</link><guid>https://blog.youkuaiyun.com/bigtailhao/article/details/120914364</guid><author>bigtailhao</author><pubDate>Fri, 22 Oct 2021 22:53:46 +0800</pubDate><description><![CDATA[RCNN-&gt;Faste RCNN -&gt;Faster RCNN-&gt;mask rcnn
yolov1-&gt;yolov2-&gt;retinanet(focal loss)-&gt;yolov3
faster-rcnn 去掉了selective search ，可以端到端的进行训练，虽然最终还是分4步进行训练的话精度会提升。
即网络最后的classification是对所有anchor框定的Region进行识别分类，会严重拖累网络的分类性能，难以收敛。
yolo有类似rpn的机制，那就是最后]]></description><category></category></item><item><title><![CDATA[立体视觉的坐标变化2D-3D，2D-2D]]></title><link>https://blog.youkuaiyun.com/bigtailhao/article/details/120802003</link><guid>https://blog.youkuaiyun.com/bigtailhao/article/details/120802003</guid><author>bigtailhao</author><pubDate>Sat, 16 Oct 2021 20:05:09 +0800</pubDate><description><![CDATA[2D-3D
三维视觉中2D-3D的变化基本就是
Y=K[R|T]X,X,Y为齐次坐标
K			相机内参
[R|T]	相机外参（位姿=位置+姿态）
其中可以细分为像素坐标系，物理坐标系，相机坐标系，世界坐标系。

γ是畸变系数，包括径向畸变，切向畸变。
理想情况没有γ，极端情况，鱼眼相机的畸变很大（拍摄角度广）
2D-2D
2D-2D的变化均可以由投影变化解释
对应着单应性矩阵H
下面这张图忘记从哪里找到的了，算是见过的最全面的2D-2D变化图了。
仿射变化：
正对着物体进行拍摄，得到的即为仿射变化，不会改变]]></description><category></category></item><item><title><![CDATA[多分类/多标签的评价指标以及阈值调优]]></title><link>https://blog.youkuaiyun.com/bigtailhao/article/details/120801992</link><guid>https://blog.youkuaiyun.com/bigtailhao/article/details/120801992</guid><author>bigtailhao</author><pubDate>Sat, 16 Oct 2021 18:06:52 +0800</pubDate><description><![CDATA[图像分类
多标签/多分类
图像分割
pacc，miou
目标检测
P/R
map，实际过程中有哪些更加合理的评价指标
auc
miou

]]></description><category></category></item><item><title><![CDATA[多模态--Residual-based的融合方式]]></title><link>https://blog.youkuaiyun.com/bigtailhao/article/details/120714331</link><guid>https://blog.youkuaiyun.com/bigtailhao/article/details/120714331</guid><author>bigtailhao</author><pubDate>Mon, 11 Oct 2021 23:58:54 +0800</pubDate><description><![CDATA[多模态–Residual-based的融合方式
之前希望通过融合图像语义信息提升双目视差网络的精度。
师兄也尝试过通过融合红外散斑双目图像与RGB双目图像来提升双目视差网络的精度。
都有一些理论依据
1）小物体的视差差距往往小于大物体的视差差距。
2）红外散斑图像在白墙等物体上效果比较近好。
从结果上来看都有一些提升，但是融合方式都比较简单，基本就是直接concat。

最近ICCV 2021 中的工作，基于视觉感知的多传感器融合点云语义分割方法《Perception-Aware Multi-Sensor ]]></description><category></category></item><item><title><![CDATA[归一化--bn/ln]]></title><link>https://blog.youkuaiyun.com/bigtailhao/article/details/120692291</link><guid>https://blog.youkuaiyun.com/bigtailhao/article/details/120692291</guid><author>bigtailhao</author><pubDate>Sun, 10 Oct 2021 21:19:01 +0800</pubDate><description><![CDATA[下面这张图算是我见过讲归一化最清楚的图了
稍微补充一点2D,3D的BN
3D卷积输入[N,C,I,H,W]，BN对N,IHW维度
2D卷积输入[N,C,H,W]，BN对N,HW维度
对图片的初始化我理解也类似一个BN（少了第四步-弥补信息），也是对channel维度
imagenet的 RGB模式
         std标准差：[0.229, 0.224, 0.225]

         mean均值：[0.485, 0.456, 0.406]


https://blog.youkuaiyun.com/u0128]]></description><category></category></item><item><title><![CDATA[NLP入门--注意力机制]]></title><link>https://blog.youkuaiyun.com/bigtailhao/article/details/120690258</link><guid>https://blog.youkuaiyun.com/bigtailhao/article/details/120690258</guid><author>bigtailhao</author><pubDate>Sun, 10 Oct 2021 21:02:33 +0800</pubDate><description><![CDATA[RNN
2输入2输出
权值时间维度共享
可以双向RNN（相当于增加了从右向左阅读），多层RNN，并且输出尺寸不一定等于输出尺寸，也存在GAP，全连接层等。		
先横向传导，后纵向传导
https://zhuanlan.zhihu.com/p/371849556
LSTM–long short term memory
3输入3输出
功能上类似resnet，利用浅层特征，有效解决梯度爆炸/梯度弥散的问题
为了有效利用浅层特征，增加了cell status，保存历史信息，参数总量从4个到了6个。
cell sta]]></description><category></category></item><item><title><![CDATA[内容电商/直播电商]]></title><link>https://blog.youkuaiyun.com/bigtailhao/article/details/120580036</link><guid>https://blog.youkuaiyun.com/bigtailhao/article/details/120580036</guid><author>bigtailhao</author><pubDate>Fri, 01 Oct 2021 19:42:01 +0800</pubDate><description><![CDATA[来了杭州阿里之后，发现大家原本搞cv/nlp的很多都转去做推广搜了。
我之前考虑到我老家合肥那边推荐岗位比较少，就没太关注这方面，来了杭州之后觉得杭州也不错，挺适合定居的一座城市，而且推广搜确实比cv/nlp变现快，商业模式稳定一些，更加被工业界喜欢。
就主动从技术和业务的角度了解了一些。
技术方面主要由召回，粗排序，精排序
gbdt+lr     wide&amp;   作为baseline
其中粗排序中的双塔结构和cv中的双塔结构不太一样，一个追求速度一个追求精度。
业务方面看了一些视频，有一些自己的想]]></description><category></category></item><item><title><![CDATA[ffmpeg为什么没有提供，提取指定数量关键帧的函数]]></title><link>https://blog.youkuaiyun.com/bigtailhao/article/details/120572312</link><guid>https://blog.youkuaiyun.com/bigtailhao/article/details/120572312</guid><author>bigtailhao</author><pubDate>Thu, 30 Sep 2021 21:03:20 +0800</pubDate><description><![CDATA[三维重建需要不同角度的多张图片（至少三张）
之前拍摄视频后通过ffmpeg提取指定数量的图片，然后进行重建，速度相较于使用opencv提取图片有明显的提升。
但是这种方法并不能保证提取到的图片可以代表整段视频，当时了解到“关键帧”这个名词后，希望能从一段视频中提取出指定个数的关键帧。
当时受限于
1）ffmpeg没有直接提供相应的接口
2）没整明白ipb帧里面的i帧到底是不是未经压缩过的图片…
比较尴尬，最近在了解视频理解，看了看slowfast，顺手记录一下。
当时主要看见一堆这种I帧压缩的东西，现在才发]]></description><category></category></item><item><title><![CDATA[python限流-redis]]></title><link>https://blog.youkuaiyun.com/bigtailhao/article/details/120478352</link><guid>https://blog.youkuaiyun.com/bigtailhao/article/details/120478352</guid><author>bigtailhao</author><pubDate>Sat, 25 Sep 2021 21:56:25 +0800</pubDate><description><![CDATA[最近在回顾一下之前做过的项目，有一些新想法，在这里记录一下。
之前用python调用百度云接口的时候，要求qps不能过高，否则失败率很高，不能充分利用购买的qps权限。
当时傻乎乎的实验开多少个进程数比较合适，晚上还爬起来看看代码有没有崩…
来了公司之后，做项目的时候发现原来有 “限流” 这种东西，看来还是得提升一下工程方面的能力呀，至少需要知道大概的方向…
https://www.baidu.com/link?url=RCV2I_GfeXrYKKVyFTAZbB4zuNdxe2WTQGUlgC8HlrRA]]></description><category></category></item><item><title><![CDATA[三维脚模重建]]></title><link>https://blog.youkuaiyun.com/bigtailhao/article/details/120256240</link><guid>https://blog.youkuaiyun.com/bigtailhao/article/details/120256240</guid><author>bigtailhao</author><pubDate>Sun, 12 Sep 2021 22:10:17 +0800</pubDate><description><![CDATA[本科毕设做了一波三维脚模重建，还挺神奇的，实验室没相关基础，自己也没接触过相关内容，做的过程中做加了一堆qq群，还自费报了深蓝学院的入门课程，最后做的感觉也就马马虎虎…
好歹做了那么久，这里稍微记录一下。
我是利用了三维重建中比较常用的 sfm技术（Structure from motion），运动中恢复结构，这里的运动指的是相机的运动，相机在动，相对的物体也在运动了。
sfm和slam算是兄弟技术把，sfm速度慢，精度高，slam速度块，精度低，当时考虑高精度就没考虑slam以及深度学习的方法，现在深度学]]></description><category></category></item><item><title><![CDATA[深度/机器学习tricks]]></title><link>https://blog.youkuaiyun.com/bigtailhao/article/details/120256168</link><guid>https://blog.youkuaiyun.com/bigtailhao/article/details/120256168</guid><author>bigtailhao</author><pubDate>Sun, 12 Sep 2021 21:17:49 +0800</pubDate><description><![CDATA[记录一些训练模型的小tricks
1）
minibatchsize变大之后，学习率也要增大，好像是minibatchsize变大k倍，学习率根号k倍
这里强调minibatchsize是因为这里指的是单机的batchsize
集群上面往往不会多台主机同步训练，参数好像叫sync
2）
训练的时候一定要softmax，因为要bp
预测的时候可以不用softmax，因为有时候只需要知道哪些数据比较大就可以了，并不需要一个具体的数值，同时softmax是一个正比例函数。

...]]></description><category></category></item><item><title><![CDATA[现有开源ocr]]></title><link>https://blog.youkuaiyun.com/bigtailhao/article/details/120252543</link><guid>https://blog.youkuaiyun.com/bigtailhao/article/details/120252543</guid><author>bigtailhao</author><pubDate>Sun, 12 Sep 2021 16:52:26 +0800</pubDate><description><![CDATA[咋感觉不学paddle的话，只有Chinese-ocr能打…
中英文ocr
Chinese-ocr支持训练 tensorflow  /Chinese-ocr-lite 不支持训练     pytorch
paddleocr         支持训练paddle
多语言ocr
easyocr  不支持训练
谷歌ocr    用的最多        全是c++?
Tesseract-OCR    SDK包含libtesseract
Tess4J是Java对libtesseract包装
https://tesse]]></description><category></category></item><item><title><![CDATA[刷题leetcode]]></title><link>https://blog.youkuaiyun.com/bigtailhao/article/details/120212662</link><guid>https://blog.youkuaiyun.com/bigtailhao/article/details/120212662</guid><author>bigtailhao</author><pubDate>Thu, 09 Sep 2021 23:59:33 +0800</pubDate><description><![CDATA[动态规划
欢迎使用Markdown编辑器
动态规划
之前的理解是             构建一个1维或者2维的数组，填满它
现在觉得是                 父问题可以由子问题解决，伪代码是父子问题的形式，但是存储数据的表达形式不一定是父子问题的形式
https://leetcode-cn.com/problems/longest-palindromic-substring/solution/zui-chang-hui-wen-zi-chuan-by-leetcode-solution/

..]]></description><category></category></item></channel></rss>