xiaoou的博客

clone 代码git clone https://github.com/protocolbuffers/protobuf.git安装依赖项sudo apt-get install autoconfsudo apt-get install automakesudo apt-get install libtool执行命令./autogen.sh./configuremake -j8make check(会提示没有googletest的问题，可不用管它）sudo make install.

arXiv: https://arxiv.org/abs/1904.08900github: https://github.com/princeton-vl/CornerNet-Lit1. CornerNetCornerNet 是基于关键点的目标检测方法，不需要 anchor box，在单阶段检测器取得了SOTA 的精度。在COCO数据集上 AP 为 42.2%，但是单帧图像的 infe...

git clone https://github.com/rcn-ee/tidl-apicd viewermake TARGET=x86cd x86./tidl_viewer ../../examples/test/testvecs/config/tidl_models/tidl_net_jdetNet_ssd.bin -d ssd.dot相关error1.dot_graph.h:3...

问题1.查看opencv链接的tiff库（ldd /usr/local/lib/libopencv_imgcodecs.so.3.4.5 |grep tiff）从此处可看出opencv链接的是tiff-5，而报错是tiff-4，因此猜测是链到别的库上去了，通过google查到，可能是anaconda导致的2.查看anaconda安装的tiff库（conda list |grep tif...

查看cuda 版本 cat /usr/local/cuda/version.txt查看cudnn 版本 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

1. Introduction目前的跟踪器可以分为两大类：1.第一类是基于相关滤波：通过利用循环特性在傅里叶域训练一个回归器，能够在线跟踪并更新滤波器参数。近来一些相关滤波算法通过使用深度特征来提高精度，但在滤波器更新是严重降低了速度。2.另一类方法是使用非常强大的深度特征，此类方法不更新模型，所以性能没有相关滤波好。本文提出的SiamRPN是离线训练好的基于深度特征的跟踪器，并取得了比...

Abstract本论文提出一种新的全卷积孪生网络作为基本的跟踪算法，这个网络在ILSVRC15的目标跟踪视频数据集上进行端到端的训练。我们的跟踪器在帧率上超过了实时性要求，尽管它非常简单，但在多个benchmark上达到最优的性能。1. Introduction最近很多研究通过使用预训练模型来解决上述问题。这些方法中，要么使用网络内部某一层作为特征的shallow方法（如相关滤波）；要...

1 ROCROC((Receiver Operating Characteristic Curve))，即受试者工作特征曲线。ROC曲线是用来验证一个分类器（二分）模型的性能的。其工作原理是，给出一个模型，输入已知正负类的一组数据，并通过对比模型对该组数据进行的预测，衡量这个模型的性能。TP：实际是正样本预测成正样本的样本数FN：实际是正样本预测成负样本的样本数FP：实际是负样本预测成正...

1 模型进化史检测框架可分为两类：两级式检测框架，包含一个用于区域提议的预处理步骤，使得整体流程是两级式的，如R-CNN系列单级式检测框架，即无区域提议的框架，这是一种单独提出的方法，不会将检测提议分开，使得整个流程是单级式的，如YOLO系列2 传统的目标检测2.1 三个阶段区域选择利用不同尺寸的滑动窗口框住图中的某一部分作为候选区域。特征提取：提取候选区域相关的视觉特征...

https://mp.weixin.qq.com/s/Xbi5iOh3xoBIK5kVmqbKYA

1 最优化问题最优化问题是求解函数极值的问题，包括极大值和极小值。在机器学习之类的实际应用中，我们一般将最优化问题统一表述为求解函数的极小值问题，即：minxf(x)min_xf(x)minx​f(x)其中x称为优化变量，f称为目标函数。极大值问题可以转换成极小值问题来求解，只需要将目标函数加上负号即可：minx(−f(x))min_x(-f(x))minx​(−f(x))优化问题的全局极...

机器学习计算机利用已有的数据，得出了某种模型，并利用此模型预测未来的一种方法。它是人工智能领域的一个小分支，如果说AI是一个合集，那么ML就是AI的子集。任何通过数据训练的学习算法的相关研究都属于机器学习，包括很多已经发展多年的技术，比如线性回归（Linear Regression）、logistic回归、K均值（K-means，基于原型的目标函数聚类方法）、决策树（Decision Trees...