<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[diejingbu1567的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/diejingbu1567</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; diejingbu1567]]></copyright><item><title><![CDATA[【论文阅读】ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices]]></title><link>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014339</link><guid>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014339</guid><author>diejingbu1567</author><pubDate>Sat, 26 Jan 2019 16:41:00 +0800</pubDate><description><![CDATA[ShuffleNet: An Extremely Efficient Convolutional Neural Network for MobileDevices

转载于:https://www.cnblogs.com/White-xzx/p/10324131.html]]></description><category></category></item><item><title><![CDATA[【pytorch】pytorch学习笔记（一）]]></title><link>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014338</link><guid>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014338</guid><author>diejingbu1567</author><pubDate>Sat, 26 Jan 2019 16:38:00 +0800</pubDate><description><![CDATA[原文地址：https://pytorch.org/tutorials/beginner/deep_learning_60min_blitz.html
什么是pytorch？
　　pytorch是一个基于python语言的的科学计算包，主要分为两种受众：

能够使用GPU运算取代NumPy
提供最大灵活度和速度的深度学习研究平台

开始
Tensors
　　Tensor...]]></description><category></category></item><item><title><![CDATA[【论文阅读】MEAL: Multi-Model Ensemble via Adversarial Learning]]></title><link>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014337</link><guid>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014337</guid><author>diejingbu1567</author><pubDate>Thu, 24 Jan 2019 23:38:00 +0800</pubDate><description><![CDATA[转载请注明出处：https://www.cnblogs.com/White-xzx/
原文地址：https://arxiv.org/abs/1812.02425
Github:https://github.com/AaronHeee/MEAL
如有不准确或错误的地方，欢迎交流~
　　
　　本文来自 AAAI 2019,Oral的一篇文章，主要的思想是通过知识蒸馏的方法将不同...]]></description><category></category></item><item><title><![CDATA[【论文阅读】HydraPlus-Net: Attentive Deep Features for Pedestrian Analysis]]></title><link>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014335</link><guid>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014335</guid><author>diejingbu1567</author><pubDate>Tue, 01 Jan 2019 00:26:00 +0800</pubDate><description><![CDATA[转载请注明出处：https://www.cnblogs.com/White-xzx/
原文地址：https://arxiv.org/abs/1709.09930
Github:https://github.com/xh-liu/HydraPlus-Net
如有不准确或错误的地方，欢迎交流~

　　HP-Net是一个基于注意力机制（attention-based）的深度神经网...]]></description><category></category></item><item><title><![CDATA[【论文阅读】Learning Spatial Regularization with Image-level Supervisions for Multi-label Image Classifica...]]></title><link>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014336</link><guid>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014336</guid><author>diejingbu1567</author><pubDate>Mon, 31 Dec 2018 23:14:00 +0800</pubDate><description><![CDATA[转载请注明出处：https://www.cnblogs.com/White-xzx/
原文地址：https://arxiv.org/abs/1702.05891
Caffe-code：https://github.com/zhufengx/SRN_multilabel
如有不准确或错误的地方，欢迎交流~
　　
　　空间正则化网络(Spatial Regularization N...]]></description><category></category></item><item><title><![CDATA[【论文阅读】Batch Feature Erasing for Person Re-identification and Beyond]]></title><link>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014333</link><guid>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014333</guid><author>diejingbu1567</author><pubDate>Mon, 31 Dec 2018 18:22:00 +0800</pubDate><description><![CDATA[转载请注明出处：https://www.cnblogs.com/White-xzx/
原文地址：https://arxiv.org/abs/1811.07130
如有不准确或错误的地方，欢迎交流~

【作者的motivation】
　　https://zhuanlan.zhihu.com/p/53241545
　　当前的行人重识别方法，如PCB, MGN，为了使网络学习到更...]]></description><category></category></item><item><title><![CDATA[【OpenCV for Android】Android Studio JNI和NDK配置及采坑记录]]></title><link>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014334</link><guid>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014334</guid><author>diejingbu1567</author><pubDate>Fri, 31 Aug 2018 01:59:00 +0800</pubDate><description><![CDATA[在配置好Android studio的OpenCV环境后，我们就可以通过Java代码调用OpenCV的API了，但是在通常情况下，用Java代码编写图像处理算法的运行效率是没有C++代码高的，在应用层使用Java处理图像耗时非常长，往往达不到想要的效果，而Android的NDK和Java的JNI恰好满足了Android移动端对C++编程的支持，在应用层和原生层起到桥梁的作用。
JNI和...]]></description><category></category></item><item><title><![CDATA[【OpenCV for Android】Android Studio集成OpenCV]]></title><link>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014327</link><guid>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014327</guid><author>diejingbu1567</author><pubDate>Fri, 31 Aug 2018 00:27:00 +0800</pubDate><description><![CDATA[准备工作
1.下载安装Android Studio（过程略）。
2.下载Android OpenCV：https://opencv.org/releases.html，找到Android pack点击下载。







下载后解压得到如下文件，其中sdk文件夹就是Android studio集成OpenCV所需的文件。

集成步骤
1. 在Andr...]]></description><category></category></item><item><title><![CDATA[【TensorFlow】获取object detection API训练模型的输出坐标]]></title><link>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014330</link><guid>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014330</guid><author>diejingbu1567</author><pubDate>Mon, 20 Aug 2018 22:24:00 +0800</pubDate><description><![CDATA[　　如下图，谷歌开源的object detection API提供了五种网络结构的fine-tuning训练权重，方便我们针对目标检测的需求进行模型训练，本文详细介绍下导出训练模型后，如何获得目标检测框的坐标。如果对使用object detection API训练模型的过程不了解，可以参考博文：https://www.cnblogs.com/White-xzx/p/9503203.htm...]]></description><category></category></item><item><title><![CDATA[【TensorFlow】基于ssd_mobilenet模型实现目标检测]]></title><link>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014331</link><guid>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014331</guid><author>diejingbu1567</author><pubDate>Sun, 19 Aug 2018 23:13:00 +0800</pubDate><description><![CDATA[　　最近工作的项目使用了TensorFlow中的目标检测技术，通过训练自己的样本集得到模型来识别游戏中的物体，在这里总结下。
　　本文介绍在Windows系统下，使用TensorFlow的object detection API来训练自己的数据集，所用的模型为ssd_mobilenet，当然也可以使用其他模型，包括ssd_inception、faster_rcnn、rfcnn_resn...]]></description><category></category></item><item><title><![CDATA[【TensorFlow】一文弄懂CNN中的padding参数]]></title><link>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014328</link><guid>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014328</guid><author>diejingbu1567</author><pubDate>Sun, 19 Aug 2018 00:25:00 +0800</pubDate><description><![CDATA[在深度学习的图像识别领域中，我们经常使用卷积神经网络CNN来对图像进行特征提取，当我们使用TensorFlow搭建自己的CNN时，一般会使用TensorFlow中的卷积函数和池化函数来对图像进行卷积和池化操作，而这两种函数中都存在参数padding，该参数的设置很容易引起错误，所以在此总结下。
1.为什么要使用padding
在弄懂padding规则前得先了解拥有padding参数的...]]></description><category></category></item><item><title><![CDATA[【TensorFlow】Python解析xml文件]]></title><link>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014325</link><guid>https://blog.youkuaiyun.com/diejingbu1567/article/details/102014325</guid><author>diejingbu1567</author><pubDate>Fri, 17 Aug 2018 15:15:00 +0800</pubDate><description><![CDATA[最近在项目中使用TensorFlow训练目标检测模型，在制作自己的数据集时使用了labelimg软件对图片进行标注，产生了VOC格式的数据，但标注生成的xml文件标签值难免会产生个别错误造成程序无法跑通，或后期有修改xml中标签值的需求，所以得使用Python代码对xml文件进行解析操作，当然也是参考了各种博客，故在此总结一下。
1. xml文件格式
由labelimg...]]></description><category></category></item></channel></rss>