- 博客(19)
- 收藏
- 关注
RSS订阅原创 4. 寻找两个正序数组的中位数
给定两个大小分别为 m 和 n 的正序（从小到大）数组 nums1 和 nums2。请你找出并返回这两个正序数组的 中位数。算法的时间复杂度应该为 O(log (m+n))。
2024-11-18 09:43:43
203
原创 2. 两数相加
给你两个 非空 的链表，表示两个非负的整数。它们每位数字都是按照 逆序 的方式存储的，并且每个节点只能存储 一位 数字。请你将两个数相加，并以相同形式返回一个表示和的链表。你可以假设除了数字 0 之外，这两个数都不会以 0 开头。
2024-11-17 12:08:02
130
原创 leetcode 1. 两数之和
给定一个整数数组 nums 和一个整数目标值 target，请你在该数组中找出 和为目标值 target 的那 两个 整数，并返回它们的数组下标。你可以假设每种输入只会对应一个答案，并且你不能使用两次相同的元素。你可以按任意顺序返回答案。
2024-11-17 11:46:38
293
原创 Visual-tactile Fusion for Transparent Object Grasping in Complex Backgrounds
Abstract—The grasping of transparent objects is challenging but of significance to robots. In this article, a visual-tactile fusion framework for transparent object grasping in complex backgrounds is proposed, which synergizes the advantages of vision and
2024-11-06 19:40:20
660
原创 Mask R-CNN
该论文提出了一个概念上简单、灵活且通用的对象实例分割框架。该方法可以有效地检测图像中的对象，同时为每个实例生成高质量的分割掩模。Mask R-CNN通过在Faster R-CNN上添加一个用于预测对象掩模的分支，它与用于边界框识别的分支并行。Mask R-CNN训练起来很简单，只给Faster R-CNN增加了很小的开销，运行速度为5fps。Mask R-CNN很容易推广到其他任务，比如人体姿势估计。该方法在COCO数据集上进行了实例分割、边界框目标检测、人物关键点检测。
2024-09-22 22:03:08
221
原创 OpenCV安装
pip install opencv-contrib-python==4.10.0.84 ，和opencv-python版本一致。测试是否安装成功，以及查看版本。
2024-08-21 17:24:26
938
1
原创 基于深度学习的目标检测研究综述
目标检测的主要任务是从输入图像中定位出感兴趣的目标。然后准确地判断出每个感兴趣目标的类别。当前目标检测技术已经广泛应用于日常生活安全、机器人导航、智 能视频监控、交通场景检测及航天航空等领域。同时目标 检测是行为理解、场景分类和视频内容检索等其他高级 视觉问题的基础。
2024-08-20 16:32:49
2246
原创 labelimg标注图片标签
4.右键 create rectbox 进行标注（快捷键w）1.安装 输入pip install labelimg。点击open dir 导入图片文件夹。2.打开 输入 labelimg。
2024-08-19 18:22:39
281
原创 深度学习研究综述
１２）其它卷积神经网络改进．此外，还有其它卷积神 经网络改进，包括 ｄｅｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｔｗｏｒｋｓ、ｓｔａｃｋｅｄｃｏｎ ｖｏｌｕｔｉｏｎａｌａｕｔｏｅｎｃｏｄｅｒｓ、ＳＲＣＮＮ、ＯｖｅｒＦｅａｔ、ＦｌｏｗＮｅｔ［４９］、Ｍｒ-ＣＮＮ［５０］、ＦＶ-ＣＮＮ［５１］、ＤｅｅｐＥｄｇｅ［５２］、ＤｅｅｐＣｏｎｔｏｕｒ［５３］、ｄｅｅｐ ｐａｒｓｉｎｇｎｅｔｗｏｒｋ［５４］、 ＢｏｘＳｕｐ［５５］、 ＴＣＮＮ［５６］、 ３维 ＣＮＮ［５７］等．。5)深度残差网络 （ＲｅｓＮｅｔ）
2024-08-19 10:02:17
1499
原创 pytorch函数
【PyTorch】一文详细介绍 随机数种子 的原理、作用和使用场景_pytorch generatorimpl随机数生成器工作原理-优快云博客。
2024-08-14 16:50:11
765
原创 Dropout: A Simple Way to Prevent Neural Networks from Overfitting Dropout：防止神经网络过度拟合的简单方法
当各个模型彼此不同时，组合多个模型是最有帮助的，并且为了使神经网络模型不同，它们应该具有不同的架构或针对不同的数据进行训练。此外，大型网络通常需要大量的训练数据，并且可能没有足够的数据可用于在不同的数据子集上训练不同的网络。即使能够训练许多不同的大型网络，在快速响应非常重要的应用中，在测试时使用所有这些网络也是不可行的。然而，在训练数据有限的情况下，许多复杂的关系将是采样噪声的结果，因此它们将存在于训练集中，但不存在于真实的测试数据中，即使它是从相同的分布中得出的。Dropout 是解决这两个问题的技术。
2024-08-13 14:51:55
644
原创 Deep learning for visual understanding: A review视觉理解的深度学习：回顾
深度学习算法是机器学习算法的一个子集，旨在发现多个级别的分布式表示。最近，人们提出了许多深度学习算法来解决传统的人工智能问题。这项工作旨在通过强调 210 多篇近期研究论文的贡献和挑战来回顾计算机视觉深度学习算法的最新进展。它首先概述了各种深度学习方法及其最新发展，然后简要描述了它们在各种视觉任务中的应用，例如图像分类、目标检测、图像检索、语义分割和人体姿势估计。最后，论文总结了深度神经网络设计和训练的未来趋势和挑战。
2024-08-09 14:02:07
1032
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人