- 博客(10)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 【笔记】122. 买卖股票的最佳时机 II
文章目录题目题解复杂度题目给定一个数组，它的第 i 个元素是一支给定股票第 i 天的价格。设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易（多次买卖一支股票）。注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。示例 1:输入: [7,1,5,3,6,4]输出: 7解释: 在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。随后，在第 4 天（股票价格 = 3）的时候买入，
2021-01-09 15:35:42
201
原创 单目深度估计中的LOSS构造【未完待续】
Appearance based reprojection loss (也称photometric loss)0. 无监督单目深度估计问题被转化为图像重建问题。既然是图像重建，就有重建源source image和重建目标target image，我们用It’和It表示1.Monocular sequence 训练时，source It’ 不止1张，损失函数是各It’损失函数之和2.对于某Scale的图像损失函数为: α一般0.85。SSIM: 结构相似性structural si..
2020-10-25 17:24:51
4484
1
原创 单目深度估计：局部平面法线约束导引的深度估计网络BTS【论文阅读】
论文及作者信息：Hanyang University（韩国）Jin Han Lee, Myung-Kyu Han, Dong Wook Ko and Il Hong Suh【2019】From big to small Multi-scale local planar guidance for monocular depth estimation开源：https://github.com/cogaplex-bts/bts应用及分类：单目深度估计从输入形式上有三种：1，single i
2020-10-14 12:03:25
1482
1
原创 单目深度估计指标：SILog, SqRel, AbsRel, RMSE, RMSE（log）
待补充MAE，iRMSE论文中常用：错误率及精度指标解释：出处：2014 @ Depth map prediction from a single image using a multi-scale deep network修正的精度指标δ：出处：2020@ BANet】Bidirectional Attention Network for Monocular Depth Estimation尺度无关的误差评价指标: SILog（Scale-Invar...
2020-10-13 11:51:08
14842
2
原创 单目深度估计：双端注意力机制网络BANet【论文阅读】
论文及作者信息：华为诺亚方舟（加拿大）Shubhra Aich, Jean Marie Uwabeza Vianney, Md Amirul Islam, Mannat Kaur, and Bingbing Liu2020年 @Bidirectional Attention Network for Monocular Depth Estimation应用及分类：单目深度估计从输入形式上有三种：1，single image 2，monocular sequence 3，stereo su.
2020-10-13 11:25:21
1034
1
原创 基于深度学习的深度估计数据集
截止20200929参考A Survey on Deep Learning Techniques for Stereo-based Depth Estimation补充整理
2020-09-29 20:19:04
661
原创 Ghost Module/GhostNet：一种模型压缩的轻量级模块/网络(论文阅读)（2）
温馨提示：（1）讲Ghost模块 （2）讲GhostNet，快速理解内容只需看图GhostNet：1）是在MobileNetV3网络架构基础上改造的轻量级网络模型 2）用Ghost bottleneck取代了MobileNetV3中的bottleneck结构 3）Ghost bottleneck这一基本组件是由Ghost Module模块组成的所以GhostNet的网络理解可分为三步：Ghost Module---Ghost bottlenec...
2020-05-21 11:08:41
1527
原创 Ghost Module/GhostNet：一种模型压缩的轻量级模块/网络(论文阅读)（1）
温馨提示：（1）讲Ghost模块 （2）讲GhostNet，文章过于话多，快速理解内容只需看图Ghost Module是一种模型压缩的方法，即在保证网络精度的同时减少网络参数和计算量，从而提升计算速度（speed），降低延时（latency）。Ghost 模块可以代替现有卷积网络中的每一个卷积层。基于Ghost模块，论文作者堆叠Ghost模块构建了GhostNet。Ghost Module模型提出的缘由：卷积输出的一组特征图在通道方向上，有部分通道内容相似。比如下图是对Resne..
2020-05-21 01:26:29
6925
1
原创 SE-Net---在通道上分配attention的模块（论文阅读）
Squeeze excitation network 以下简称SE-NetSE是一个在卷积特征图通道上分配Attention的模块，可嵌入到其他的的网络结构中。SE模块图示：下面说明如何计算attention，即分配给各通道权重值的计算方式。Ftr：常规卷积操作Fsq：squeeze操作，使用H x W大小的卷积核进行average pooling（也叫global average pooling），生成1 x 1 x C的向量Fex：excitation操作。 公式表示的是两个
2020-05-14 19:01:11
2182
1
原创 HED边缘检测：Holistically-nested Edge Detection 解读
Holistically-nested Edge Detection （以下简称HED）HED通过深度学习网络实现边缘检测，网络主要有以下两个特点Holistically：指端到端（end-to-end 或者image-to-image）的学习方式，也就是说，网络的输入为原图，输出为边缘检测得到的二值化图像。Nested：意思是嵌套的。在论文中指，在每层卷积层后输出该层的结果（resp...
2020-05-04 18:09:52
7809
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人